이 문서는 Google Cloud Translation API를 사용해 자동 번역되었습니다.
어떤 문서는 원문을 읽는게 나을 수도 있습니다.
이 게시물에서는 TensorFlow.js 및 Node.js로 모델을 저장하고 로드하는 방법을 알아봅니다. 다음 주제를 다룹니다.
첫 번째 단계는 모델을 저장하는 것입니다. tf.Model.save
메서드를 사용하여 이 작업을 수행할 수 있습니다. 이 메서드는 두 가지 인수를 사용합니다.
경로
: 모델을 저장할 경로입니다.overwrite
: 지정된 경로에서 기존 모델을 덮어쓸지 여부를 나타내는 부울입니다.다음은 모델을 저장하는 예입니다.
const model = tf.sequential();
model.add(tf.layers.dense({units: 1, inputShape: [1]}));
model.compile({loss: 'meanSquaredError', optimizer: 'sgd'});
model.save('/tmp/model/1/model.json', true);
이 예에서는 모델을 /tmp/model/1
디렉토리에 저장했습니다. overwrite
매개변수는 true
로 설정되어 있으므로 해당 디렉토리에 모델이 이미 있는 경우 덮어씁니다.
이제 모델을 저장했으므로 모델을 로드하는 방법을 알아보겠습니다. tf.loadModel
메서드를 사용하여 이 작업을 수행할 수 있습니다. 이 메서드는 하나의 인수를 사용합니다.
경로
: 저장된 모델의 경로입니다.다음은 모델을 로드하는 예입니다.
const model = await tf.loadModel('/tmp/model/1/model.json');
이 예에서는 /tmp/model/1
디렉토리에서 모델을 로드했습니다.
모델을 로드하면 모델을 사용하여 예측할 수 있습니다. 우리는 이것을 model.predict
메소드로 할 수 있습니다. 이 메서드는 하나의 인수를 사용합니다.
입력
: 예측을 수행할 입력 데이터입니다. 이것은 단일 tf.Tensor
또는 tf.Tensor
의 Array
일 수 있습니다.다음은 모델을 사용하여 예측을 수행하는 예입니다.
const input = tf.tensor2d([[1.0]]);
const output = model.predict(input);
output.print();
이 예제에서는 값이 [[1.0]]
인 tf.Tensor
를 만들었습니다. 이 텐서를 예측을 반환하는 model.predict
메서드에 전달했습니다. 그런 다음 예측을 콘솔에 인쇄했습니다.