[딥러닝 기본 05] Lab 02 - tensorflow로 간단한 linear regression을 구현

모두를 위한 머신러닝 / 딥러닝 김성훈 교수님 강의를 듣고 정리한 내용입니다.

Lab 02 - tensorflow로 간단한 linear regression을 구현  

@ Linear regression

- cost function이 가장 작은 W, b를 구하는 것 : minimize cost(W,b)

- hypothesis

- cost function

@ TensorFlow

import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'

import tensorflow as tf

# data set
x_train = [1, 2, 3]
y_train = [2.1, 3.1, 4.1]

# placeholder
X = tf.placeholder(tf.float32, shape=[None])
Y = tf.placeholder(tf.float32, shape=[None])

# Rank가 1인 랜덤한 값을 W와 b에 부여
W = tf.Variable(tf.random_normal([1]), name='weight')
b = tf.Variable(tf.random_normal([1]), name='bias')

# Hypothesis
hypothesis = X * W + b

# cost / loss function
cost = tf.reduce_mean(tf.square(hypothesis - y_train)) # tf.reduce_mean() : 평균 내는 함수

# Minimize
optimizer = tf.train.GradientDescentOptimizer(learning_rate = 0.01) # GradientDescent 알고리즘을 이용(뒤쪽에서 설명)
train = optimizer.minimize(cost) # train이라는 node

# 세션 준비 및 초기화
sess = tf.Session()
sess.run(tf.global_variables_initializer()) # tf.Variable()을 사용하려면 꼭 초기화를 해야한다.

for step in range(2001):
    cost_val, W_val, b_val, _ = sess.run([cost, W, b, train], feed_dict={X:x_train, Y:y_train})
    if step % 20 == 0:
        print(step, cost_val, W_val, b_val)
    # 학습 결과 : 2000 6.81362e-06 [ 0.9969756] [ 1.10687506]

    # 테스트
   print(sess.run(hypothesis, feed_dict={X: [5]})) # [ 6.09175301]
    print(sess.run(hypothesis, feed_dict={X: [1.5, 3.5]})) # [ 2.60233831  4.59628963]