[AI] 텐서플로우(TensorFlow)

1. 개념

TensorFlow는 Google Brain 팀에서 개발한 오픈소스 머신러닝 및 딥러닝 프레임워크입니다.

• 대규모 모델 훈련과 배포에 최적화되어 있어 기업과 산업에서 많이 사용됩니다.
• TensorFlow 2.x에서는 Keras와 통합되면서 코드가 직관적으로 개선되었습니다.
• 모바일, 웹, 클라우드, TPU 지원 등 다양한 환경에서 활용할 수 있습니다.

 

2. 특징

(1) 정적 & 동적 연산 그래프 지원

• TensorFlow 1.x는 정적 그래프(Static Graph)를 사용하여 실행 속도가 빠르지만 코드가 복잡했습니다.
• TensorFlow 2.x에서는 PyTorch처럼 동적 그래프(Eager Execution)를 기본 지원하여 사용성이 개선되었습니다.
• 필요에 따라 정적 그래프(tf.function)도 사용할 수 있어 최적화된 모델 실행이 가능합니다.

(2) 높은 확장성과 배포 지원

• TensorFlow Serving: REST API로 모델을 쉽게 배포
• TensorFlow Lite: 모바일 및 IoT 장치에서 실행 가능
• TensorFlow.js: 웹 브라우저에서 모델 실행 가능

(3) GPU 및 TPU 최적화 지원

• CUDA와 cuDNN을 활용한 GPU 가속 지원
• Google의 **TPU(Tensor Processing Unit)**를 사용하여 빠른 모델 학습 가능

(4) 다양한 고급 API 지원

• tf.keras: 직관적인 고수준 API (TensorFlow 2.x의 기본 딥러닝 API)
• tf.data: 대용량 데이터 전처리를 위한 파이프라인 제공
• tf.function: 모델을 정적 그래프로 변환하여 속도 최적화

 

3. 기본 코드 예제

(1) 텐서 생성 및 기본 연산

import tensorflow as tf

# 랜덤 텐서 생성
x = tf.random.normal([3, 3])
y = tf.random.normal([3, 3])

# 기본 연산
print(tf.add(x, y))  # 덧셈
print(tf.multiply(x, y))  # 곱셈 (element-wise)
print(tf.linalg.matmul(x, y))  # 행렬 곱

 

(2) 자동 미분 (GradientTape)

# 변수 선언
x = tf.Variable(3.0)

with tf.GradientTape() as tape:
    y = x**2 + 2*x + 1  # 간단한 함수

# 미분 계산
dy_dx = tape.gradient(y, x)
print(dy_dx.numpy())  # 결과: 8.0

 

(3) 신경망 모델 정의

import tensorflow as tf
from tensorflow import keras
from tensorflow.keras import layers

# 신경망 모델 정의
model = keras.Sequential([
    layers.Dense(10, activation='relu', input_shape=(20,)),
    layers.Dense(5, activation='softmax')
])

# 모델 컴파일
model.compile(optimizer='adam', loss='categorical_crossentropy', metrics=['accuracy'])

# 모델 요약
model.summary()

 

4. 텐서플로우의 주요 활용 사례

딥러닝 연구	최신 모델 개발 및 실험
컴퓨터 비전 (CV)	이미지 분류, 객체 탐지 (TensorFlow Object Detection API)
자연어 처리 (NLP)	번역, 텍스트 요약, 챗봇 (TensorFlow Text)
강화 학습 (RL)	AlphaGo, 로보틱스 (TF-Agents)
생성 모델 (GAN, Diffusion)	DeepFake, 이미지 생성
생물정보학, 헬스케어	단백질 구조 예측, 신약 개발
기업 및 배포 환경	TensorFlow Serving, TFLite, TF.js를 통한 상용화