yarn 명령 실행이 끝나면 다음 명령으로 모델 훈련을 시작할 수 있습니다.

> node main.js

yarn을 이미 설치했기 때문에 node 바이너리가 현재 경로에서 사용할 수 있다고 가정합니다(이에 대한 자세한 정보는 부록 B를 참고하세요).

앞서 설명한 워크플로는 CPU에서 합성곱 신경망을 훈련합니다. 만약 컴퓨터에 CUDA를 지원하는 GPU가 설치되어 있다면 GPU에서 모델을 훈련할 수도 있습니다. 이는 다음과 같은 단계가 필요합니다.

1. GPU에 맞는 NVIDIA 드라이버 버전을 설치합니다.

2. NVIDIA CUDA 툴킷(toolkit)을 설치합니다. 이 라이브러리는 NVIDIA GPU 제품에서 범용 병렬 컴퓨팅을 제공합니다.

3. CUDA 기반의 NVIDIA 고성능 딥러닝 알고리즘을 위한 라이브러리인 CuDNN을 설치합니다(1~3 단계에 대한 자세한 내용은 부록 B를 참고하세요).

4. package.json에서 @tensorflow/tfjs-node 의존성을 @tensorflow/tfjs-node-gpu로 바꿉니다. 두 패키지는 같이 릴리스되므로 버전 번호는 그대로 둡니다.

5. 다시 yarn을 실행하여 TensorFlow.js가 사용할 CUDA 수학 연산을 담은 공유 라이브러리를 다운로드합니다.

6. main.js에서 다음 라인을

require('@tensorflow/tfjs-node');

아래와 같이 바꿉니다.

require('@tensorflow/tfjs-node-gpu');