텐서플로 1.14.0 RC1 버전이 릴리스되었습니다. 2.0 버전과 호환을 위해 compat.v2 모듈이 추가되었습니다.
자세한 내용은 릴리스 노트를 참고하세요. 텐서플로 1.14.0 RC1 버전은 pip를 사용해 설치할 수 있습니다. 2.0 버전과 혼돈을 피하기 위해 버전을 명기해야 합니다.
$ pip install tensorflow==1.14.0rc1 $ pip install tensorflow-gpu==1.14.0rc1
텐서플로 2.0.0 베타 버전이 릴리스되었습니다! 베타 버전은 알파에서 나온 버그와 개선 사항이 포함되었습니다. 자세한 내용은 릴리스 노트를 참고하세요.
베타 버전은 pip 명령으로 설치할 수 있으며 윈도에서는 파이썬 3.5부터 지원합니다. 아마도 텐서플로 1.14.0 버전이 1.x의 마지막 릴리스가 될 것 같네요. 🙂
$ pip install tensorflow==2.0.0-beta0 $ pip install tensorflow-gpu==2.0.0-beta0
(업데이트) 몇가지 버그를 수정한 beta1이 릴리스되었습니다.
$ pip install tensorflow==2.0.0-beta1 $ pip install tensorflow-gpu==2.0.0-beta1
구글 I/O 2019 컨퍼런스에서 소개된 기술과 정보를 나눌 수 있는 I/O Extended 2019 Incheon이 6월 22일(토) 영화공간주안에서 열립니다!
발표자나 다른 개발자들과 네트워킹 기회도 가질 수 있습니다. 현업 개발자, 학생 개발자 뿐만아니라 비개발자인 분들도 많이 참여해 주세요. 더 자세한 행사 내용은 이벤트 페이지를 참고하세요. (저도 발표자로 참석합니다! 🙂 )
텐서플로 1.14.0 RC0 버전이 릴리스되었습니다. 이번 RC 릴리스에는 리눅스와 macOS 용 파이썬 3.7 버전이 빠져있습니다.
자세한 내용은 릴리스 노트를 참고하세요. 텐서플로 1.14.0 RC0 버전은 pip를 사용해 설치할 수 있습니다. 2.0.0a 버전과 혼돈을 피하기 위해 버전을 명기해야 합니다.
$ pip install --upgrade --pre tensorflow==1.14.0rc0 $ pip install --upgrade --pre tensorflow-gpu==1.14.0rc0
세바스찬 라시카Sebastian Raschka와 바히드 미자리리Vahid Mirjalili의 아마존 베스트셀러 “Python Machine Learning” 2판을 번역한 <머신 러닝 교과서 with 파이썬, 사이킷런, 텐서플로>가 출간되었습니다!
원서와 달리 번역서는 사이킷런 0.20 버전과 텐서플로 2.0.0a 버전을 기준으로 쓰여졌습니다. 최신 텐서플로의 변경사항을 가장 빠르게 만나실 수 있는 방법 중 하나입니다!
644페이지를 모두 풀 컬러로 인쇄해 주신 길벗출판사에 감사드립니다! 이 책은 온라인(Yes24, 교보문고)/오프라인 서점에서 판매 중입니다! 🙂
keras.datasets.imdb.load_data()는 pickle로 저장된 객체를 읽기 위해서 numpy.load() 함수를 사용합니다. 넘파이 1.16.3 버전에서 pickle 파일 허용 여부를 결정하는 allow_pickle 매개변수의 기본값이 True에서 False로 바뀌었습니다. 😦
이로 인해 imdb.load_data()에서 오류가 발생합니다. 재빠르게 텐서플로(#28102)와 케라스(#12714) 소스가 수정되었습니다만 imdb.load_data() 함수를 사용하려면 다음 버전이 릴리스될 때까지 넘파이 버전을 1.16.3 이전으로 유지하는 수 밖에 없을 것 같습니다.
매개변수 기본값에 너무 의지하지 말고 명시적으로 값을 지정하는 것이 좋다는 교훈을 다시 한 번 배웁니다. 🙂
관련 내용을 알려 주신 서* 님께 감사드립니다.
세바스찬 라시카의 Python Machine Learning 2nd Ed. 의 번역과 역자 교정을 마쳤습니다. 작업된 책이 조판으로 넘어가면 늘 아쉽습니다. 이때는 지식보다는 끈기가 더 중요한 것 같습니다. 작업 과정을 되돌아 보며 후기를 남깁니다.
개인적으로 머신 러닝 분야의 실용서 베스트 네 개를 꼽으라면 안드리아스 뮐러와 사라 가이도의 “Introduction to Machine Leaning with Python“, 오렐리앙 제롱의 “Hands-On Machine Learning with Scikit-Learn and TensorFlow“, 프랑소와 숄레의 “Deep Learning with Python“, 세바스찬 라시카의 “Python Machine Learning”입니다. 제가 이 네 권을 모두 번역했다는 사실이 믿기지 않습니다. 사실 가장 먼저 보았던 세바스찬의 책은 1판의 번역서가 이미 다른 곳에서 출간되었기 때문에 2판을 번역할 기회를 얻기 힘들거라 생각했습니다. 정말 큰 행운이 따랐기 때문에 이 책을 번역할 수 있었습니다. 기회를 주신 길벗 출판사에 다시금 감사드립니다.
네 권의 책은 모두 나름대로 저마다 다른 색깔을 가지고 있습니다. 앤디의 책은 머신 러닝 파이프라인 전반의 흐름을 잘 정리하였습니다. 역시 사이킷런의 핵심 개발자답습니다. 오렐리앙의 책은 이론과 코드가 균형을 잘 잡고 있고 머신러닝과 딥러닝 부분을 잘 설명하고 있습니다. 프랑소와의 책은 이론보다 코드를 중심으로 딥러닝 특히 케라스 라이브러리를 중점적으로 다룹니다. 케라스 창시자인 그가 바라보는 딥러닝과 인공지능의 청사진을 엿볼 수도 있습니다.
세바스찬의 책은 이들 중 가장 먼저 아마존 인공지능 분야 베스트셀러가 된 책입니다. 오렐리앙의 책처럼 머신러닝과 딥러닝을 모두 아우르고 있지만 넘파이를 사용해 알고리즘을 밑바닥부터 만들기 시작합니다. 이론과 코드가 잘 안배되어 있고 사이킷런과 텐서플로를 함께 사용합니다. 다른 책에서는 잘 설명되지 않는 선형 판별 분석과 커널 PCA를 자세히 다루고 있습니다. 웹 애플리케이션에 머신러닝 모델을 임베딩하여 배포하는 장은 이 책의 특징 중 하나입니다.
Python Machine Learning 2판이 2017년에 출간되었기 때문에 사용한 라이브러리 버전이 낮습니다. 번역서에서는 사이킷런의 최신 버전 0.20을 기준으로 새롭게 바뀐 점과 중요한 변화를 포함시켰습니다. 딥러닝 챕터를 바꾸는 작업이 어려웠습니다. 작년 말에 텐서플로 2.0 프리뷰가 나왔지만 아직 정보가 부족했고 정식 릴리스 일정을 알 수 없기 때문입니다. 출판사와 협의한 끝에 출간 일정이 조금 늦춰지더라도 텐서플로 2.0을 기준으로 딥러닝 부분을 바꾸기로 결정했습니다. 덕분에 13~16장에 텐서플로 2.0 알파 버전에서 새롭게 바뀐 부분을 반영할 수 있었습니다.
작년 9월부터 작업을 시작했습니다. 다른 일들도 있었지만 너무 오래 걸렸네요. 매년 겨울마다 큰 곤욕을 치르는 것 같습니다. 친절하게도 저자 세바스찬이 직접 에러타로 인해 수정된 pdf와 이미지를 보내주었습니다. 제가 추가로 찾은 에러타는 원서 깃허브에 올렸고 신중하게 판단하여 번역서에 반영하였습니다. 세바스찬이 에러타와 함께 덕담도 건네 왔습니다. “It’s good to know that the translation will be in good hands! :)”.
복잡한 수식과 많은 주석 때문에 고생하셨을 디자이너와 교정자에게 감사드립니다. 편집과 번역 전반의 과정을 잘 안내해 주신 안윤경 님께도 감사드립니다. 부디 많은 사람들에게 사랑받는 책이 되었으면 좋겠습니다. 감사합니다! 😀
텐서플로 Dev Summit에 맞추어 텐서플로 2.0.0 알파 버전이 릴리스되었습니다. 🙂
자세한 내용은 릴리스 노트를 참고하세요. 텐서플로 2.0.0-alpha0 버전은 pip를 사용해 설치할 수 있습니다.
$ pip install tensorflow==2.0.0-alpha0 $ pip install tensorflow-gpu==2.0.0-alpha0
내일 텐서플로 Dev Summit에 맞추어 텐서플로 2.0이 알파 버전으로 공개될 것 같습니다. 텐서플로 2.0 문서의 한글 번역은 아직 홈페이지에 반영되지 않았네요. 새롭게 바뀐 로고와 홈페이지를 감상해 보세요! 🙂
이 글은 “Keras: Overview“을 번역한 것입니다. 이 글은 텐서플로 문서 깃허브에 머지되어 있습니다. 잘못된 점이 있으면 블로그를 통해 알려 주시거나 깃허브에 PR을 보내 주세요.
Note: 이 문서는 텐서플로 커뮤니티에서 번역했습니다. 커뮤니티 번역 활동의 특성상 정확한 번역과 최신 내용을 반영하기 위해 노력함에도 불구하고 공식 영문 문서의 내용과 일치하지 않을 수 있습니다. 이 번역에 개선할 부분이 있다면 tensorflow/docs 깃헙 저장소로 풀 리퀘스트를 보내주시기 바랍니다. 문서 번역이나 리뷰에 지원하려면 이 양식을 작성하거나 docs@tensorflow.org로 메일을 보내주시기 바랍니다.
tf.keras는 케라스 API 명세{:.external}의 텐서플로 구현입니다. tf.keras는 머신러닝 모델을 만들고 훈련하기 위한 고수준 API로서 텐서플로의 특수 기능을 모두 지원합니다. 여기에는 즉시 실행, tf.data 파이프라인(pipeline), Estimators가 포함됩니다. tf.keras를 이용하면 유연성과 성능을 손해보지 않고 텐서플로를 쉽게 사용할 수 있습니다.
tf.keras를 임포트하여 텐서플로 프로그램을 시작합니다:
!pip install -q pyyaml # pyyaml은 선택사항입니다.
from __future__ import absolute_import, division, print_function, unicode_literals !pip install tf-nightly-gpu-2.0-preview import tensorflow as tf from tensorflow import keras
tf.keras는 케라스 API와 호환되는 어떤 코드라도 실행시킬 수 있지만 다음 사항을 유념하세요:
tf.keras 버전은 PyPI에 있는 최신 keras 버전과 같지 않을 수 있습니다. tf.keras.__version__을 확인해 보세요.tf.keras는 기본적으로 체크포인트 포맷을 사용합니다. HDF5를 사용하려면 save_format='h5'로 설정하세요.케라스에서는 층(layer)을 조합하여 모델(model)을 만듭니다. 모델은 (일반적으로) 층의 그래프입니다. 가장 흔한 모델 구조는 층을 차례대로 쌓은 tf.keras.Sequential 모델입니다.
간단한 완전 연결(fully-connected) 네트워크(즉, 다층 퍼셉트론(multi-layer perceptron))를 만들어 보겠습니다.
from tensorflow.keras import layers model = tf.keras.Sequential() # 64개의 유닛을 가진 완전 연결 층을 모델에 추가합니다: model.add(layers.Dense(64, activation='relu')) # 또 하나를 추가합니다: model.add(layers.Dense(64, activation='relu')) # 10개의 출력 유닛을 가진 소프트맥스 층을 추가합니다: model.add(layers.Dense(10, activation='softmax'))
여기에서 Sequential 모델을 어떻게 사용하는지 간단하지만 완전한 예제를 볼 수 있습니다.
Sequential보다 더 고수준의 모델을 구성하는 방법을 배우려면 다음을 참고하세요:
– 케라스 함수형 API 가이드
– 클래스 상속을 통하여 층과 모델을 밑바닥부터 만드는 방법
