jason murphy dk9rD8bgqOQ unsplash
jason murphy dk9rD8bgqOQ unsplash

Tutorial Jaringan Saraf Konvolusi di Keras dan Tensorflow 2

Posted on

Convolutional Neural Networks (CNNs) adalah jenis algoritma pembelajaran mendalam yang menggunakan serangkaian filter untuk mengompresi gambar. Dalam tutorial ini, kita akan menggunakan TensorFlow 2 untuk membuat Convolutional Neural Network untuk mendeteksi anjing dalam gambar.

Apa itu Jaringan Saraf Konvolusi?

Convolutional Neural Network (CNN) adalah jenis algoritma pembelajaran mesin yang dirancang khusus untuk memecahkan masalah gambar yang kompleks.

Jaringan saraf convolutional terdiri dari banyak modul kecil, atau lapisan, yang masing-masing beroperasi pada subset dari data gambar. Lapisan pertama di CNN biasanya melakukan operasi dasar seperti pengaburan dan normalisasi. Lapisan berikutnya menyaring data berdasarkan fitur yang terdeteksi pada lapisan sebelumnya. Proses ini diulang sampai lapisan terakhir, yang mengenali objek dalam gambar.

Salah satu aspek terpenting dari CNN adalah kemampuannya untuk belajar dari data. Ini berarti bahwa jaringan dapat beradaptasi dari waktu ke waktu dan meningkatkan kinerjanya dengan belajar dari pengalaman.

Ada beberapa jenis CNN yang berbeda, tetapi semuanya memiliki beberapa fitur umum. Mereka biasanya sangat cepat dan mampu menangani kumpulan data besar dengan sedikit kesalahan. Mereka juga cocok untuk tugas-tugas seperti pengenalan objek dan pengenalan teks.

Cara Memasang Tensorflow di Mesin Anda

Jika Anda ingin mempelajari cara menggunakan Convolutional Neural Network (CNN) di Keras dan Tensorflow, tutorial ini akan memandu Anda melalui prosesnya.

Pertama, Anda perlu menginstal Tensorflow di mesin Anda. Anda dapat melakukannya dengan mengikuti petunjuk berikut:
Setelah Anda menginstal Tensorflow, Anda dapat memulai panduan instalasi dengan mengklik link di bawah ini. Panduan ini akan memandu Anda dalam menginstal dependensi yang diperlukan dan menyiapkan lingkungan kerja. Setelah itu, Anda dapat melanjutkan ke tutorial CNN.

Untuk memulai, mari Buat proyek TensorFlow baru. Untuk melakukan ini, buka jendela terminal Anda dan ketik perintah berikut:

tensorflow buat –name=convnet_tutorial –filemode=convnet_tutorial hanya-baca

Cara Melatih Jaringan Saraf Konvolusi di Keras

  1. Dalam tutorial ini, kita akan melatih Convolutional Neural Network di Keras.
  2. Tujuan dari jaringan ini adalah untuk mengenali gambar tanaman dari set pelatihan.
  3. Kami akan menggunakan library TensorFlow untuk melatih jaringan.
  4. Hasil akhir dari proses pelatihan akan menjadi sebuah model yang dapat mengidentifikasi citra tumbuhan dari sebuah test set.

Cara Menggunakan Jaringan Saraf Konvolusi untuk Pemrosesan Penglihatan

Jaringan saraf convolutional (CNNs) adalah jenis algoritma pembelajaran mesin yang digunakan untuk pengenalan gambar, deteksi objek, dan tugas lainnya. Mereka didasarkan pada teori lapisan convolutional, yang pertama kali dijelaskan oleh James S. Hochman pada tahun 1984. Lapisan convolutional adalah lapisan dalam jaringan saraf dalam yang menyaring data input. Proses penyaringan ini dilakukan dengan mengambil transformasi Fourier dari data input dan kemudian menerapkan filter padanya. Output dari setiap convolutional layer kemudian digabungkan bersama untuk membentuk output akhir dari neural network.

Ada banyak CNN berbeda yang dapat digunakan untuk tugas yang berbeda. Salah satu CNN yang sering digunakan untuk pengolahan visi adalah Convolutional Neural Network (CNN) untuk Vision Processing with Feature Maps (CNVPM). CNN ini dirancang untuk meningkatkan kinerja pengenalan objek dan tugas penglihatan lainnya. CNN CNVPM menggunakan peta fitur untuk mengkodekan informasi tentang objek dalam gambar. Peta fitur ini dapat dilatih menggunakan jaringan saraf dalam yang telah dilatih sebelumnya atau dapat dibuat menggunakan algoritme khusus.

Untuk menggunakan CNN CNVPM, pertama-tama Anda perlu memuat modul yang diperlukan ke perpustakaan Keras Anda. Anda dapat melakukan ini dengan mengimpor modul cnn dan modul feature_maps. Selanjutnya, Anda perlu membuat lapisan konvolusi di jaringan saraf Anda. Untuk melakukan ini, Anda perlu membuat kelas Keras yang mewakili jaringan saraf Anda. Kelas ini akan memiliki tiga properti: input_shape, output_shape, dan stride. Properti input_shape akan memberi tahu Anda ukuran data yang akan dimasukkan ke dalam lapisan jaringan saraf. Properti output_shape akan memberi tahu Anda ukuran data yang akan dikeluarkan dari lapisan jaringan saraf. Properti stride akan memberi tahu Anda jumlah byte yang merupakan setiap kolom dalam data yang dimasukkan ke dalam lapisan jaringan saraf.

Selanjutnya, Anda perlu membuat fungsi di dalam kelas Keras Anda yang akan digunakan untuk menginisialisasi lapisan CNN Anda. Fungsi ini harus mengambil gambar sebagai input dan harus mengembalikan peta fitur sebagai output. Peta fitur yang dikembalikan oleh fungsi inisialisasi Anda harus berukuran sama dengan ukuran data yang dimasukkan ke dalam lapisan CNN Anda.

Selanjutnya, Anda perlu menentukan algoritma pelatihan untuk lapisan CNN Anda. CNN CNVPM menggunakan algoritma penurunan gradien batch untuk melatih peta fiturnya.

Kesimpulan

Dalam tutorial ini, kita akan membangun jaringan saraf convolutional di Keras dan Tensorflow. Kami akan menggunakan kumpulan data MNIST untuk melatih jaringan dan mengujinya pada kumpulan validasi. Terakhir, kami akan menerapkan model ke perangkat Amazon Echo untuk melihat seberapa baik kinerjanya pada tugas klasifikasi.