TensorFlow 2

Pada bagian ketiga, kita akan melakukan model training dan testing. Untuk training, method yang digunakan adalah fit dengan parameter dataset training dan label serta jumlah epoch. Pada tutorial digunakan 5 epoch. Note, parameter batch_size pada method model.fit jika tidak didefinisikan akan menggunakan nilai default 32. Jadi saat melakukan training, akan tampil 1875 (60000/32). Lihat hasil … Read more

Melanjutkan dari modul sebelumnya, pada bagian kedua, kita akan membuat model ANN. ANN adalah fully connected neural network berupa layer sequence, oleh karena itu kita gunakan class Sequential dari Keras. Setting hyperparameter dari model seperti berikut: Jumlah units/neurons: 128 activation function: ReLU. input_shape: (784, ) Menambahkan layer dropout, yaitu teknik untuk mengatur nilai neuron menjadi … Read more

Modul ini akan membahas Artificial Neural Network (ANN) menggunakan TensorFlow 2. Kita akan mencoba membuat model untuk memprediksi image classification menggunakan dataset Fashion MNIST. Informasi dataset dapat dilihat di https://www.kaggle.com/zalando-research/fashionmnist Pada bagian pertama, kita akan membahas mengenai dataset dan data preprocessing. Fashion MNIST terdiri dari 60000 images training dataset dan 10000 test dataset dengan 10 … Read more

Perbedaan yang jelas antara TensorFlow 2.0 dengan versi sebelumnya adalah kemudahan mengakses variables dan constant. Pada TensorFlow 2.0, tidak diperlukan session untuk mengakses constant dan variables. Sangat mudah memanipulasi data tensor baik menggunakan operasi aritmetik atau numpy function. TensorFlow Constant TensorFlow Variables Operasi Tensor TensorFlow String File colab dapat diakses di https://colab.research.google.com/drive/1aDLz-CauTC_yZkYwcfSnvAFAshpaTGXD?usp=sharing