하지만, 맥북 프로는 텐서플로우를 집중적으로 사용하여 딥 러닝 모델들을 학습시키는데 이상적인 기기는 아니다. 한 개 이상의 최신 고급 엔비디아 GPU를 장착하고 있는 리눅스 시스템으로 훨씬 더 잘할 수 있으며, 2,000달러 정도면 딥 러닝용 PC를 자체 조립할 수 있다. 학습 기능이 가끔 필요하다면, AWS, 애저, 구글 컴퓨트 엔진, 또는 IBM 클라우드 상의 GPU를 사용해서 감당할 수 있는 규모로 쉽게 텐서플로우를 실행할 수 있다.
텐서플로우 사용
1년 전 텐서플로우의 가장 큰 문제는 배우기가 너무 어렵고 모델을 만들기 위해 코딩을 너무 많이 해야 한다는 것이었다. 두 가지 문제가 해소되었다.
텐서플로우를 쉽게 배울 수 있도록 하기 위해 텐서플로우 팀은 더 많은 학습 교재를 만들어 냈으며, 기존 시작 튜토리얼을 개선했다. 뿐만 아니라 많은 서드파티 업체가 자체 텐서플로우 튜토리얼을 제작했다. 이제는 여러 권의 텐서플로우 서적이 출간되어 있으며, 몇 가지 온라인 텐서플로우 과정도 있다. 심지어는 스탠포드에서 딥 러닝 연구를 위한 텐서플로우(CS 20) 강의도 수강할 수 있으며, 모든 슬라이드와 강의 노트를 온라인으로 제공하고 있다.
텐서플로우 라이브러리의 몇 가지 새로운 섹션은 모델을 생성하고 학습시키는 데 더 적은 프로그래밍이 필요한 인터페이스도 제공하고 있다. 이런 인터페이스로는 엔진 중립적인 케라스 패키지의 텐서플로우 단독 버전을 제공하는 tf.keras, 그리고 모델을 가지고 작업하기 위한 여러 가지 고급 기능을 제공하는 tf.estimator가 있다. 둘은 모두 선형과 DNN(Linear, Deep Neural Networks)에 대한 리그레서와 클래시파이어, 그리고 선형과 DNN의 결합, 더해서 개발자가 자체 에스티메이터를 구축할 수 있는 기본 클래스를 제공한다. 추가로, 데이터셋 API는 개발자가 간단하고 재사용할 수 있는 조각들을 사용해서 복잡한 입력 파이프라인을 구축할 수 있게 해준다. 한 가지만 선택할 필요는 없다. 텐서플로우-케라스 튜토리얼에 나와있듯, tf.keras, tf.dataset, 그리고 tf.estimator를 유용하게 함께 동작시킬 수 있다.
텐서플로우 라이트
현재 개발자 프리뷰 단계인 텐서플로우 라이트(TensorFlow Lite)는 텐서플로우의 모바일과 임베디드 디바이스용 경량급 솔루션으로, 낮은 지연시간과 작은 바이너리 크기로 디바이스 상에서의 머신러닝 추론(학습은 아님)을 가능케 해준다. 텐서플로우 라이트는 안드로이드 신경망 API를 사용해서 하드웨어 가속화도 지원한다. 텐서플로우 라이트 모델은 모바일 기기 상에서 실행할 수 있을 정도로 작으며, 오프라인 용도로 사용할 수 있다.
텐서플로우 라이트의 기본적인 개념은 완전한 텐서플로우 모델을 학습시킨 다음에 그것을 텐서플로우 라이트 모델 포맷으로 전환시킨다는 것이다. 그렇게 하면, 전환된 파일을 안드로이드나 iOS 상의 모바일 애플리케이션에서 사용할 수 있다.
아니면, 이미지 분류나 스마트 리플라이(Smart Reply)용으로 사전 학습된 텐서플로우 라이트 모델 중 한 가지를 사용할 수 있다. 스마트 리플라이는 응답 옵션으로 제시될 수 있는 문맥상 관련 있는 메시지이다. 이는 기본적으로 구글의 지메일 클라이언트에서 볼 수 있는 것과 같은 응답 예측 기능을 제공한다.
또 다른 옵션은 새로 태그된 데이터셋에 대해 기존 모델을 재학습시키는 것으로, 이 기법은 학습 시간을 크게 줄여준다. 이 프로세스에 대한 실습 튜토리얼을 “TensorFlow for Poets”라 부른다.
텐서플로우 서빙(Serving)
텐서플로우 서빙은 프로덕션 환경용으로 설계된, 머신러닝 모델을 위한 유연하고 고성능의 서빙 시스템이다. 하나의 모델만 서빙하기 위한 것은 아니다. 여러 가지 버전이 있는 여러 개의 서버블(Servable)을 가질 수 있으며, 클라이언트는 최신 버전이나 특정 모델을 위한 특정 버전 ID 중 하나를 요청할 수 있어서, 새로운 알고리즘과 실험을 쉽게 시도해 볼 수 있다.
복합 모델을 여러 개의 독립적인 서버블이나 하나의 복합 서버블로 표현할 수 있다. 서버블에 대한 액세스는 소스(Source)에 의해 통제되며, 소스는 임의의 스토리지 시스템에서 서버블을 찾아낼 수 있다.
텐서플로우 이거(Eager)
이거 실행(Eager Execution, 긴급 실행, 투기 실행)은 텐서플로우에 대한 실험적 인터페이스로 NumPy와 유사한 명령형 프로그래밍 스타일을 제공한다. 이거 실행을 활성화하면, 텐서플로우 작업들이 즉시 실행된다. Session.run()을 사용해서 사전 구성된 그래프(graph)를 실행하지 말기 바란다.
향후 버전과의 호환성에 대한 보장이 없는 프리뷰/프리 알파 버전이기는 하지만, 이 인터페이스는 텐서플로우 매트릭스 작업과 모델에 대한 코드를 간소화하는 또 다른 유용한 방법이다. 이거 실행은 세션을 실행하는 것에 비해 텐서플로우 코드 디버깅을 더 쉽게 만들어 주기도 한다.
이거 실행은 NumPy 배열, GPU 가속화, 자동 미분, 그리고 tf.layers 모듈에서 케스라 스타일 레이어 클래스 사용과 호환된다. 텐서보드에서 사용하기 위해 요약(Summary)들을 내보낼 수도 있지만, 공여된 새로운 버전의 summary 클래스를 사용해야 한다. 이거 실행 문서는 “분산 학습과 다중 GPU 학습 그리고 CPU 성능을 원활하게 지원한다는 측면에서 아직 해야 할 작업이 남아있다”고 경고하고 있다.
텐서플로우 대 경쟁 프레임워크
전반적으로, 텐서플로우는 머신러닝과 딥 러닝 프레임워크의 첨병으로 남아 있다. 텐서플로우는 주로 성능, 배포, 학습 용이성, 프로그래밍 용이성, 그리고 파이썬 공용 라이브러리 및 유틸리티와의 호환성 영역에서 업그레이드되었다.
이런 업그레이드가 이루어지는 동안, 경쟁 딥 러닝 프레임워크들도 더 나아졌다. 이미 성능이 좋고 확장성이 좋았던 MXNet은 아파치 재단으로 이관되었으며, 기능과 성능 면에서 개선이 이루어졌다. 마이크로소프트 CNTK는 케라스와 텐서보드에 대한 지원을 포함해서 여러 방면에서 발전했다. 페이스북의 카페2(Caffe2)는 카페를 전면 재작성한 것으로, 이미지 처리 컨볼루션 네트워크(convolution Network)의 강점에 재귀적 LSTM(Long Short Term Memory) 네트워크를 추가했다.
오픈소스 H2O.ai 예측 엔진은 탁월한 자사 고유의 초파라메터 튜닝(Hyperparameter Tuning) 및 기능 엔지니어링 계층인 Driverless AI를 사용해서 개선되했다. Scilit-learn은 ML은 지원하지만 딥 러닝 신경망은 지원하지 않는다는 자체적인 제약 하에서 여전히 사용할만하다. 그리고 스파크 MLlib는 이미 스파크를 사용하고 있고 딥 러닝 신경망을 학습시킬 필요가 없는 개발자들에게 탁월한 옵션이다.
기술적으로 텐서플로우 프로그래밍을 감당할 수 있다면, 텐서플로우는 딥 러닝 모델 구축, 학습, 그리고 프로덕션을 위한 탁월한 선택이다. 텐서플로우를 처음 접한다면, tf.keras, tf.data.dataset, 그리고 tf.estimator에 있는 고급 API로 시작해보라. 저급 API가 필요할 때쯤이면, 그런 API를 사용하기에 충분할 정도로 플랫폼에 익숙해져 있을 것이다. editor@itworld.co.kr
Sponsored
Surfshark
“유료 VPN, 분명한 가치 있다” VPN 선택 가이드
ⓒ Surfshark VPN(가상 사설 네트워크, Virtual Private Network)은 인터넷 사용자에게 개인 정보 보호와 보안을 제공하는 중요한 도구로 널리 인정받고 있다. VPN은 공공 와이파이 환경에서도 데이터를 안전하게 전송할 수 있고, 개인 정보를 보호하는 데 도움을 준다. VPN 서비스의 수요가 증가하는 것도 같은 이유에서다. 동시에 유료와 무료 중 어떤 VPN을 선택해야 할지 많은 관심을 가지고 살펴보는 사용자가 많다. 가장 먼저 사용자의 관심을 끄는 것은 별도의 예산 부담이 없는 무료 VPN이지만, 그만큼의 한계도 있다. 무료 VPN, 정말 괜찮을까? 무료 VPN 서비스는 편리하고 경제적 부담도 없지만 고려할 점이 아예 없는 것은 아니다. 보안 우려 대부분의 무료 VPN 서비스는 유료 서비스에 비해 보안 수준이 낮을 수 있다. 일부 무료 VPN은 사용자 데이터를 수집해 광고주나 서드파티 업체에 판매하는 경우도 있다. 이러한 상황에서 개인 정보가 유출될 우려가 있다. 속도와 대역폭 제한 무료 VPN 서비스는 종종 속도와 대역폭에 제한을 생긴다. 따라서 사용자는 느린 인터넷 속도를 경험할 수 있으며, 높은 대역폭이 필요한 작업을 수행하는 데 제약을 받을 수 있다. 서비스 제한 무료 VPN 서비스는 종종 서버 위치가 적거나 특정 서비스 또는 웹사이트에 액세스하지 못하는 경우가 생긴다. 또한 사용자 수가 늘어나 서버 부하가 증가하면 서비스의 안정성이 저하될 수 있다. 광고 및 추적 위험 일부 무료 VPN은 광고를 삽입하거나 사용자의 온라인 활동을 추적하여 광고주에게 판매할 수 있다. 이 경우 사용자가 광고를 보아야 하거나 개인 정보를 노출해야 할 수도 있다. 제한된 기능 무료 VPN은 유료 버전에 비해 기능이 제한될 수 있다. 예를 들어, 특정 프로토콜이나 고급 보안 기능을 지원하지 않는 경우가 그렇다. 유료 VPN의 필요성 최근 유행하는 로맨스 스캠은 인터넷 사기의 일종으로, 온라인 데이트나 소셜 미디어를 통해 가짜 프로필을 만들어 상대를 속이는 행위다. 이러한 상황에서 VPN은 사용자가 안전한 연결을 유지하고 사기 행위를 방지하는 데 도움이 된다. VPN을 통해 사용자는 상대방의 신원을 확인하고 의심스러운 활동을 감지할 수 있다. 서프샤크 VPN은 구독 요금제 가입 후 7일간의 무료 체험을 제공하고 있다. ⓒ Surfshark 그 외에도 유료 VPN만의 강점을 적극 이용해야 하는 이유는 다음 3가지로 요약할 수 있다. 보안 강화 해외 여행객이 증가함에 따라 공공 와이파이를 사용하는 경우가 늘어나고 있다. 그러나 공공 와이파이는 보안이 취약해 개인 정보를 노출할 위험이 있다. 따라서 VPN을 사용하여 데이터를 암호화하고 개인 정보를 보호하는 것이 중요하다. 서프샤크 VPN은 사용자의 개인 정보를 안전하게 유지하고 해킹을 방지하는 데 유용하다. 개인정보 보호 인터넷 사용자의 검색 기록과 콘텐츠 소비 패턴은 플랫폼에 의해 추적될 수 있다. VPN을 사용하면 사용자의 IP 주소와 로그를 숨길 수 있으며, 개인 정보를 보호할 수 있다. 또한 VPN은 사용자의 위치를 숨기고 인터넷 활동을 익명으로 유지하는 데 도움이 된다. 지역 제한 해제 해외 여행 중에도 한국에서 송금이 필요한 경우가 생길 수 있다. 그러나 IP가 해외 주소이므로 은행 앱에 접근하는 것이 제한될 수 있다. VPN을 사용하면 지역 제한을 해제해 해외에서도 한국 인터넷 서비스를 이용할 수 있다. 따라서 해외에서도 안전하고 편리하게 인터넷을 이용할 수 있다. 빠르고 안전한 유료 VPN, 서프샤크 VPN ⓒ Surfshark 뛰어난 보안 서프샤크 VPN은 강력한 암호화 기술을 사용하여 사용자의 인터넷 연결을 안전하게 보호한다. 이는 사용자의 개인 정보와 데이터를 보호하고 외부 공격으로부터 사용자를 보호하는 데 도움이 된다. 다양한 서버 위치 서프샤크 VPN은 전 세계 곳곳에 여러 서버가 위치하고 있어, 사용자가 지역 제한된 콘텐츠에 액세스할 수 있다. 해외에서도 로컬 콘텐츠에 손쉽게 접근할 수 있음은 물론이다. 속도와 대역폭 서프샤크 VPN은 빠른 속도와 무제한 대역폭을 제공하여 사용자가 원활한 인터넷 경험을 누릴 수 있도록 지원한다. 온라인 게임, 스트리밍, 다운로드 등 대역폭이 필요한 활동에 이상적이다. 다양한 플랫폼 지원 서프샤크 VPN은 다양한 플랫폼 및 디바이스에서 사용할 수 있다. 윈도우, 맥OS, iOS, 안드로이드 등 다양한 운영체제 및 디바이스에서 호환되어 사용자가 어디서나 안전한 인터넷을 즐길 수 있다. 디바이스 무제한 연결 서프샤크 VPN은 무제한 연결을 제공하여 사용자가 필요할 때 언제든지 디바이스의 갯수에 상관없이 VPN을 사용할 수 있다.