참고로 보는 AI 학습 코드 예시 - Part 1

지금까지 1줄의 코딩 없이 파인튜닝 과정을 학습해왔지만, 실제로 파인튜닝을 하기 위해서는 굉장히 길고 정교한 프로그램을 작성해야합니다.

AI 프로그래밍에 가장 널리 활용되는 언어는 파이썬입니다. 파이썬은 간결하고 읽기 쉬운 문법과 수많은 학습자료, 라이브러리(도구)를 제공해 인공지능 업계에서 가장 많이 사용되고 있습니다.

실습화면에서 소개되는 코드는 인기 AI 라이브러리 중 하나인 텐서플로우(TensorFlow)를 활용해 아주 간단한 형태의 AI를 훈련하는 코드입니다.

코드를 깊게 이해할 필요 없이, AI 학습 과정이 실제로 코드 수준에서 어떻게 진행되는지 감을 잡기 위한 참고용으로 보시면 됩니다.

AI 학습 목표 목표

훈련시킬 AI는 입력과 출력되는 숫자들 사이의 관계를 학습할 것입니다.

예를 들어, 1, 2, 3, 4, 5라는 숫자가 입력으로 주어졌을 때, 이에 대응하는 출력값은 2, 4, 6, 8, 10이라는 결과를 학습하게 될 것입니다.

여러분도 눈치채셨겠지만, 이는 입력값에 2를 곱한 결과입니다.

이제 실제 코드를 보면서 각 부분이 무엇을 하는지 하나씩 살펴보겠습니다.

AI 학습에 필요한 도구 가져오기
import tensorflow as tf
import numpy as np

AI 학습에 필요한 도구를 불러오는(import) 과정입니다. tensorflow는 AI 모델을 만드는 도구이고, numpy는 숫자를 다루는 도구입니다.

데이터 준비
x = np.array([1, 2, 3, 4, 5])
y = np.array([2, 4, 6, 8, 10])

여기서는 AI에게 보여줄 예시 데이터를 준비합니다. x는 입력값, y는 그에 대응하는 결과값입니다.

모델 생성
model = tf.keras.Sequential([
    tf.keras.layers.Dense(1, input_shape=[1])
])

이 부분은 AI 모델의 구조를 만듭니다. 입력값 하나를 받아 출력값 하나를 내놓는 아주 간단한 구조입니다.

모델 컴파일
model.compile(optimizer='sgd', loss='mean_squared_error')

컴파일(Compile)이라는 과정은 AI가 학습을 시작하기 전에 준비하는 단계로, 학습 방법과 학습 결과를 측정하는 방법을 설정합니다.

여기서는 AI가 학습하는 방식을 설정합니다. optimizer는 학습 방법을, loss는 AI가 얼마나 잘 학습했는지 측정하는 방법을 의미합니다.

모델 훈련
model.fit(x, y, epochs=4)

이제 실제로 AI를 훈련시킵니다. epochs=4는 전체 데이터를 4번 반복해서 학습한다는 의미입니다.

예측
print(model.predict(np.array([6])))

마지막으로, 학습된 AI에게 새로운 값 6을 주고 예측을 요청합니다.

AI가 제대로 학습했다면 12에 가까운 값을 출력할 것입니다.

실습 환경의 코드 실행 버튼을 클릭하고, AI를 직접 훈련시켜보세요!

코드프렌즈 PLUS 멤버십 가입 or 강의를 등록해 주세요!