tf.data tutorial 번역 (5)

다음 글을 참조하여 번역합니다(+ 개인 공부), 예제는 tf 2.0을 기준으로 합니다.

https://www.tensorflow.org/guide/data?hl=en

tf.data: Build TensorFlow input pipelines  |  TensorFlow Core

---

Using high-level APIs

tf.keras

tf.keras API는 머신러닝 모델을 생성하고 실행하는 데 있어서 단순함을 제공합니다. .fit(), .evaluate(), .predict()는 입력으로 사용하는 데이터셋 활용을 도와줍니다. 다음 예제에서 keras 사용을 보여줍니다. 

train, test = tf.keras.datasets.fashion_mnist.load_data()

images, labels = train
images = images/255.0
labels = labels.astype(np.int32)

fmnist_train_ds = tf.data.Dataset.from_tensor_slices((images, labels))
fmnist_train_ds = fmnist_train_ds.shuffle(5000).batch(32)

model = tf.keras.Sequential([
  tf.keras.layers.Flatten(),
  tf.keras.layers.Dense(10)
])

model.compile(optimizer='adam',
              loss=tf.keras.losses.SparseCategoricalCrossentropy(from_logits=True), 
              metrics=['accuracy'])

Model.fit과 Model.evaluate를 사용하기 위해 (feature, label) 데이터셋을 통과시킵니다.

model.fit(fmnist_train_ds, epochs=2)

• Train for 1875 steps
  Epoch 1/2
  1875/1875 [==============================] - 4s 2ms/step - loss: 0.6066 - accuracy: 0.7949
  Epoch 2/2
  1875/1875 [==============================] - 4s 2ms/step - loss: 0.4627 - accuracy: 0.8417
  
  <tensorflow.python.keras.callbacks.History at 0x7feeac4f45f8>

Dataset.repeat()을 전달해서 데이터셋을 무한으로 사용하는 경우, model.fit에 steps_per_epochs 인자를 전달합니다.

model.fit(fmnist_train_ds.repeat(), epochs=2, steps_per_epoch=20)

• Train for 20 steps
  Epoch 1/2
  20/20 [==============================] - 0s 14ms/step - loss: 0.4443 - accuracy: 0.8531
  Epoch 2/2
  20/20 [==============================] - 0s 2ms/step - loss: 0.4467 - accuracy: 0.8422
  
  <tensorflow.python.keras.callbacks.History at 0x7feeb4454198>

평가는 다음과 같이 사용합니다.

loss, accuracy = model.evaluate(fmnist_train_ds)
print("Loss :", loss)
print("Accuracy :", accuracy)

• 1875/1875 [==============================] - 3s 2ms/step - loss: 0.4412 - accuracy: 0.8485
  Loss : 0.4411765540321668
  Accuracy : 0.84845

데이터셋을 repeat()과 같이 길게 전달한다면, 평가 steps 인자를 전달해주어야 합니다.

loss, accuracy = model.evaluate(fmnist_train_ds.repeat(), steps=10)
print("Loss :", loss)
print("Accuracy :", accuracy)

• 10/10 [==============================] - 0s 3ms/step - loss: 0.4964 - accuracy: 0.8156
  Loss : 0.4964326351881027
  Accuracy : 0.815625

Model.predict는 레이블을 필요로 하지 않습니다.

predict_ds = tf.data.Dataset.from_tensor_slices(images).batch(32)
result = model.predict(predict_ds, steps = 10)
print(result.shape)

• (320, 10)

레이블을 포함한 데이터셋을 통과시킬지라도 레이블을 자동으로 무시합니다.

result = model.predict(fmnist_train_ds, steps = 10)
print(result.shape)

• (320, 10)

tf.estimator

- 공식 홈페이지를 참조바랍니다.