이 문서는 Google Cloud Translation API를 사용해 자동 번역되었습니다.
어떤 문서는 원문을 읽는게 나을 수도 있습니다.
이 게시물에서는 TensorFlow.js 및 Node.js에서 사용자 지정 모델 측정항목을 정의하는 방법을 알아봅니다.
커스텀 모델 측정항목은 두 가지 인수를 사용하는 함수입니다.
yTrue
: 실측 값입니다.yPred
: 예측 값입니다.그리고 메트릭을 나타내는 단일 값을 반환합니다.
예를 들어 실측 값과 예측 값 사이의 평균 제곱 오차(MSE)를 계산하는 사용자 정의 지표를 정의할 수 있습니다. 다음 함수를 정의하여 이를 수행할 수 있습니다.
function mse(yTrue, yPred) {
// ...
}
TensorFlow.js에서는 CustomCallback
을 생성하고 이를 fit
메소드에 전달하여 사용자 정의 모델 지표를 정의할 수 있습니다.
const model = tf.sequential();
// ...
model.compile({
// ...
metrics: ['mse']
});
model.fit(x, y, {
epochs: 10,
callbacks: tf.callbacks.customCallback(['mse'], (logs) => {
console.log(logs.mse);
})
});
위의 코드에서 mse
메트릭을 계산하는 CustomCallback
을 정의했습니다. 그런 다음 이 콜백을 'fit' 메서드에 전달했습니다. 이 메서드는 모델이 교육 중에 'mse' 메트릭을 계산하도록 지시합니다.
Node.js에서는 tf.Metrics
인스턴스를 생성하고 이를 fit
메소드에 전달하여 사용자 정의 모델 지표를 정의할 수 있습니다.
const model = tf.sequential();
// ...
model.compile({
// ...
metrics: ['mse']
});
const metrics = new tf.Metrics(['mse']);
model.fit(x, y, {
epochs: 10,
callbacks: {
onEpochEnd: (epoch, logs) => {
metrics.update(logs);
}
}
});
metrics.print();
위의 코드에서 mse
메트릭을 계산하는 tf.Metrics
인스턴스를 만들었습니다. 그런 다음 이 인스턴스를 'fit' 메서드에 전달했습니다. 이 메서드는 훈련 중에 모델이 'mse' 메트릭을 계산하도록 지시합니다.
이 게시물에서는 TensorFlow.js 및 Node.js에서 사용자 지정 모델 메트릭을 정의하는 방법을 배웠습니다.