Tensorflow.js - 02. 설치하기

설치

브라우저 설치

Tensorflow.js를 설치하는 방법은 두 가지가 있습니다.

Script tag를 이용하는법
npm을 이용해서 설치하고, Parcel, Webpack, Rollup 같은 빌드 툴을 사용

뉴비 웹 개발자거나, 위 에서 언급한 패키지 들을 전혀 모른다면 스크립트 태그를 활용하세요. 혹은 조금 경험 이 있거나, 큰 규모의 프로그램을 계획하고 있다면 빌드 툴 활용을 검토해보세요.

스크립트 태그 사용하기

<script src="https://cdn.jsdelivr.net/npm/@tensorflow/tfjs@1.0.0/dist/tf.min.js"></script>

// linear regression 모델
const model = tf.sequential()
model.add(tf.layers.dense({ units: 1, inputShape: [1] }))

model.compile({ loss: 'meanSquaredError', optimizer: 'sgd' })

// 훈련을 위한 임의 데이터 생성
const xs = tf.tensor2d([1, 2, 3, 4], [4, 1])
const ys = tf.tensor2d([1, 3, 5, 7], [4, 1])

// 데이터 기반으로 훈련시키기
model.fit(xs, ys, { epochs: 10 }).then(() => {
  // 훈련한 모델을 기반으로 데이터 예측
  model.predict(tf.tensor2d([5], [1, 1])).print()
  // dev tool에 결과 값이 나온다.
})

npm을 이용해서 설치하기

npm cli나 yarn둘다 활용할 수 있습니다.

yarn add @tensorflow/tfjs

npm install @tensorflow/tfjs

import * as tf from '@tensorflow/tfjs'

// linear regression 모델
const model = tf.sequential()
model.add(tf.layers.dense({ units: 1, inputShape: [1] }))

model.compile({ loss: 'meanSquaredError', optimizer: 'sgd' })

// 훈련을 위한 임의 데이터 생성
const xs = tf.tensor2d([1, 2, 3, 4], [4, 1])
const ys = tf.tensor2d([1, 3, 5, 7], [4, 1])

// 데이터 기반으로 훈련시키기
model.fit(xs, ys, { epochs: 10 }).then(() => {
  // 훈련한 모델을 기반으로 데이터 예측
  model.predict(tf.tensor2d([5], [1, 1])).print()
  // 결과 값이 나온다.
})

Node.js 설치

npm cli나 yarn둘다 활용할 수 있습니다.

Option1 native C++ 바인딩이 포함되어 있는 Tensorflow.js 설치

yarn add @tensorflow/tfjs-node

npm install @tensorflow/tfjs-node

Option2 (리눅스 만 가능) 만약 시스템에서 CUDA NVIDIA GPU를 활용 가능하다면, 더 고성능 퍼포먼스를 위해 GPU 패키지를 사용할 수도 있습니다.

yarn add @tensorflow/tfjs-node-gpu

npm install @tensorflow/tfjs-node-gpu

Option3 순수 자바스크립트 버전 설치. 셋 중에 가장 느린 버전입니다.

yarn add @tensorflow/tfjs

npm install @tensorflow/tfjs

const tf = require('@tensorflow/tfjs')

// 옵셔널
// '@tensorflow/tfjs-node-gpu' gpu와 사용하고 싶다면
require('@tensorflow/tfjs-node')

// Train a simple model:
const model = tf.sequential()
model.add(tf.layers.dense({ units: 100, activation: 'relu', inputShape: [10] }))
model.add(tf.layers.dense({ units: 1, activation: 'linear' }))
model.compile({ optimizer: 'sgd', loss: 'meanSquaredError' })

const xs = tf.randomNormal([100, 10])
const ys = tf.randomNormal([100, 1])

model.fit(xs, ys, {
  epochs: 100,
  callbacks: {
    onEpochEnd: (epoch, log) =>
      console.log(`Epoch ${epoch}: loss = ${log.loss}`),
  },
})

TypeScript

타입스크립트 환경에서 사용한다면, 그리고 프로젝트에서 strict null 체킹을 한다면skipLibCheck: true 을 tsconfig.json에 포함시켜서 컴파일 도중에 에러가 나지 않도록 처리해야 합니다.