SGD by keras

import numpy as np

# 가상 데이터 (y = 2x + 1 관계)
x = np.array([1, 2, 3, 4])
y = np.array([3, 5, 7, 9])

rate = 0.01
w = 1.0
b = 1.0

for epoch in range(1000):
    for x_i, y_i in zip(x, y):
        # 1. 순전파 (Forward): 예측값 계산
        y_hat = x_i * w + b
      
        # 2. 오차 계산
        err = y_hat - y_i

        # 3. 역전파 & 업데이트 (Backward & Update)
        w = w - rate * err * x_i
        b = b - rate * err

    if epoch % 200 == 0:
        print(f"Epoch {epoch}: w={w:.3f}, b={b:.3f}")

print(f"\n최종 결과: y = {w:.2f}x + {b:.2f}")

import numpy as np
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense
from tensorflow.keras.optimizers import SGD

# 1. 데이터 준비
x = np.array([1, 2, 3, 4])
y = np.array([3, 5, 7, 9])

# 2. 모델 구성
model = Sequential()
# 출력(y)은 1개, 입력(x)도 1개인 선형 레이어 추가
model.add(Dense(1, input_dim=1, activation='linear'))

# 3. 컴파일 (학습 방식 설정)
# optimizer는 경사하강법, 손실 함수는 평균 제곱 오차(mse)
model.compile(optimizer=SGD(learning_rate=0.01), loss='mse')

# 4. 학습
# verbose=0은 학습 과정 로그 출력 생략
model.fit(x, y, epochs=1000, verbose=0)

# 5. 결과 확인
w = model.weights[0].numpy()[0,0]
b = model.weights[1].numpy()[0]

print(f"최종 결과: y = {w:.2f}x + {b:.2f}")

# 6. 예측해보기
print(f"x=5일 때 예측값: {model.predict(np.array([5]))[0][0]:.2f}")