[TensorFlow] sin 그래프 예측하기

0. 목표

 - TensorFlow를 이용하여 sin 그래프 예측하기

1. FlowChart

  - input 값을 넣어주면 그에 따른 sin 그래프를 예측

2. 코드 작성

 1) library 호출

import tensorflow as tf
import matplotlib.pyplot as plt
import numpy as np

from tensorflow import keras
from tensorflow.keras import layers

 2) 가상 데이터 생성

  - x : 0 ~ 101*pi 를 1030 등분한 데이터를 삽입

  - y : sin(x)

x = np.linspace(0, 101*np.pi, 1030)
y = np.sin(x)

fig=plt.figure(figsize=(18, 8), dpi= 80, facecolor='w', edgecolor='k')
plt.plot(x, y)

  - 형태

 3) 인풋 데이터, 라벨링 데이터 생성

  - 인풋은 처음부터 뒤에서 10칸 모자르게, 라벨링은 11번째 데이터부터 끝까지

train_x = y[:1020]
train_y = y[10:]
print(len(train_x))
print(len(train_y))

  - train_x

  - train_y

 4) 학습용 인풋 생성 함수 제작

  - 20개씩 쌍으로 생성

  - 한칸씩 윈도우가 밀려나면서 저장하는 형태

def MakeInput(x):
  result = []
  for i in range(len(x) - 20):
    result.append(x[i:i+20])
  result = np.reshape(result, (1000, 20, 1))
  return result

 5) 인풋 데이터, 라벨링 데이터를 인풋 형태로 변환

  - 둘다 (1000, 20, 1)의 형태

train_x2 = MakeInput(train_x)
train_y2 = MakeInput(train_y)

 6) 모델 생성

  - 인풋에 20개씩 들어가도록 생성

  - 아웃풋도 20개

model = tf.keras.models.Sequential([
  tf.keras.layers.Flatten(input_shape=(20, 1)),                                  
  tf.keras.layers.Dense(128, activation='relu'),
  tf.keras.layers.Dense(128, activation='relu'),
  tf.keras.layers.Dense(20, activation='linear')
])

 7) 모델 컴파일

optimizer = tf.keras.optimizers.RMSprop(0.001)
model.compile(loss='mse',
                optimizer=optimizer,
                metrics='mse')

 8) 생성모델 확인

model.summary()

 9) 모델 학습

model.fit(train_x2, train_y2, epochs=100)

 10) 새로운 데이터로 모델 예측

  - 위와 같은 방식으로 데이터를 제작하는 대신 값에 2를 곱하여 다른 데이터로 변형

  - real_result에 비교할 값을 미리 저장

x2 = np.linspace(0, 101*np.pi, 1030)
y2 = np.sin(x) * 2 
print(len(y2))
test_x = y2[:1020]
real_result = y2[10:30]
test_x2 = MakeInput(test_x)
test_x3 = test_x2[0]
test_x4 = np.reshape(test_x3, (1, 20, 1))

  - 인풋 데이터 확인

 11) 예측

result = model.predict(test_x4)
plt.plot(result[0])

 - 결과 확인

 12) 실제값과 비교

plt.plot(real_result, label = 'real')
plt.plot(result[0], label = 'esti')
plt.legend()

 - 그림

3. 한계

 - 변형하는 형태 sin(x) + b 로 결과 예측시 값이 제대로 나오지 않음 => 학습 데이터가 절편이 없는 형태이기에 그렇게 학습???

4. 참고

 - matplotlib legend 

 - 다중그래프

 - python linspace

 - 텐서플로 튜토리얼

 - 텐서플로 linear regression