이 문서는 Google Cloud Translation API를 사용해 자동 번역되었습니다.
어떤 문서는 원문을 읽는게 나을 수도 있습니다.
이번 포스트에서는 MTL(Multi-Task Learning)에 대해 알아보고 이를 TensorFlow.js와 Node.js를 사용하여 구현하는 방법에 대해 알아보겠습니다.
MTL은 여러 작업에 대해 모델을 동시에 교육하여 모델의 성능을 개선하는 데 사용할 수 있는 기계 학습 기술입니다. 이는 모델이 작업 간의 유사점에서 학습하고 새 데이터에 대해 더 잘 일반화할 수 있도록 하므로 유익합니다.
다중 작업 학습은 모델을 여러 작업에 대해 동시에 교육하여 모델의 성능을 개선하는 데 사용되는 기계 학습 기술입니다. 이는 모델이 작업 간의 유사점에서 학습하고 새 데이터에 대해 더 잘 일반화할 수 있도록 하므로 유익합니다.
다중 작업 학습에는 두 가지 주요 유형이 있습니다.
Homogeneous multi-task learning: 분류 또는 회귀와 같이 작업 유형이 동일한 경우입니다.
이기종 다중 작업 학습: 분류 및 회귀와 같이 작업 유형이 서로 다른 경우입니다.
이 섹션에서는 TensorFlow.js 및 Node.js를 사용하여 MTL을 구현하는 방법을 알아봅니다.
다음 라이브러리를 사용할 것입니다.
먼저 TensorFlow.js 및 Node.js 라이브러리를 설치해야 합니다. 다음 명령을 사용하여 이를 수행할 수 있습니다.
npm install @tensorflow/tfjs
npm install node
다음으로 데이터를 로드하고 준비해야 합니다. 붓꽃의 150가지 예가 포함된 붓꽃 데이터세트 를 사용할 것입니다. 각 예제에는 네 가지 기능이 있습니다.
목표는 아이리스 꽃을 세 가지 다른 종으로 분류하도록 모델을 훈련시키는 것입니다.
다음 코드를 사용하여 데이터 세트를 로드할 수 있습니다.
// Load the Iris dataset.
const irisDataset = tf.data.csv('https://storage.googleapis.com/tfjs-examples/multitask-iris/data/iris.csv');
// Prepare the dataset for training.
const irisDataset = irisDataset.map((example) => {
const features = tf.tensor(example.features);
const label = tf.tensor(example.label);
return { features, label };
});
이제 모델을 만들어야 합니다. 우리는 두 개의 히든 레이어가 있는 간단한 신경망을 사용할 것입니다.
// Create the model.
const model = tf.sequential();
model.add(tf.layers.dense({
inputShape: [4],
units: 10,
activation: 'relu'
}));
model.add(tf.layers.dense({
units: 10,
activation: 'relu'
}));
model.add(tf.layers.dense({
units: 3,
activation: 'softmax'
}));
이제 모델을 컴파일해야 합니다. 우리는 categoricalCrossentropy 손실 함수와 sgd 옵티마이저를 사용할 것입니다.
// Compile the model.
model.compile({
loss: 'categoricalCrossentropy',
optimizer: 'sgd'
});
이제 모델을 훈련할 수 있습니다. 10 epoch 동안 훈련하고 훈련 데이터에 irisDataset을 사용합니다.
// Train the model.
model.fit(irisDataset, {
epochs: 10
});
이제 모델이 학습되었으므로 모델을 사용하여 새 데이터를 예측할 수 있습니다.
// Use the model to make predictions.
model.predict(tf.tensor([
[5.1, 3.5, 1.4, 0.2],
[5.9, 3.0, 5.1, 1.8],
[6.9, 3.1, 5.4, 2.1]
])).print();
그러면 다음이 인쇄됩니다.
Tensor
[[0.992154717, 0.007842881, 0.000112332],
[0.001711595, 0.998276472, 0.000011933],
[0.000196449, 0.001836509, 0.997308 ]]
이번 포스팅에서는 멀티태스킹 학습에 대해 알아보고 TensorFlow.js와 Node.js를 사용하여 구현하는 방법에 대해 알아보았습니다.