hai sobat softscients semuanya, ada kabar baik bagi kalian yang suka dengan machine learning tapi nggak mau ribet urusan coding yaitu berkat adanya lobe. Microsoft telah mengumumkan bahwa Lobe, alat machine learning yang membantu orang menerapkan deep learning model dan dengan cepat – tanpa perlu menulis kode – ke dalam alat yang mereka kembangkan, kini tersedia dengan dukungan klasifikasi gambar juga lho!
Ini pada dasarnya kalian dapat mengimpor gambar dari hal-hal yang kalian ingin Lobe kenali, dan aplikasi secara otomatis memilih arsitektur pembelajaran mesin yang tepat untuk mulai melatih model machine learningnya! Perusahaan mengatakan bahwa itu membuat aplikasi tersedia untuk publik, dan dapat diunduh di komputer Windows atau Mac secara gratis.
“Saat ini, Lobe mendukung klasifikasi gambar tetapi direncanakan juga diperluas ke model dan tipe data lain di masa mendatang,” Jennifer Langston, yang menulis tentang penelitian dan inovasi Microsoft, mengatakan dalam sebuah posting blog. Antarmuka visual Lobe memungkinkan pengembang membuat aplikasi dengan fitur seperti membaca tulisan tangan, mengenali gerakan tangan, mendengarkan musik, dll, tertarik bukan! Kalian bisa download dihalaman situs ini
Bermulai dari Akuisis yang dilakukan microsoft
Contents
Microsoft mengakuisisi perusahaan yang berfokus pada AI Lobe pada tahun 2018 sebagai bagian dari strategi dan visi CEO Satya Nadella untuk membangun AI ke dalam segala hal yang dibuat oleh perusahaan. Lobe membantu pengembang, serta orang-orang yang tidak memiliki pengalaman ilmu data, untuk menerapkan model pembelajaran mendalam dan AI dengan cepat ke dalam alat yang dapat digunakan dalam industri seperti perawatan kesehatan atau pertanian. Lobe memanfaatkan penelitian AI raksasa teknologi, infrastruktur global, dan alat pengembang.
Mencoba Lobe untuk character recognition Hirigana 73
Lobe sangatlah sederhana sekali, hanya dengan 3 toolbar utama yaitu label, train, dan Play.
Membuat Susunan Folder Dataset
Untuk toolbar label pun cara kerjanya mudah sekali, pengguna hanya disuruh membuat folder untuk masing-masing kelas. Penulis mencoba untuk membuat character recognition pada tulisan tangan Hiragana dengan 71 jenis karakter https://nihonletsgo.weebly.com/hiragana–12402124251236412394.html
masing-masing folder berisi 100 file tulisan tangan, misalkan character hirigana DA, sebagai berikut
Import dataset ke dalam Lobe
jadi ada 72 x 100 = 7.200 file gambar yang akan dilatih menggunakan Lobe, jumlah yang cukup banyak, Untuk melakukan training menggunakan Lobe, cukup klik import -> Dataset
maka akan tampil struktur folder yang harus kalian susun seperti berikut
karena kita sudah menyusunnya sesuai dengan petunjuk diatas, maka saatnya sesi training menggunakan lobe, pastikan memory RAM kalian cukup ya! minimal RAM 8 GB kalau perlu 32 GB karena akan looping membaca semua isi folder, habis itu akan tampil kotak dialog untuk sesi pelabelan, pilih saja label using folder name yang artinya pelabelan secara otomatis sesuai dengan nama folder!
Menunggu Proses Looping Sambil nyeruput Kopi
jangan kaget, aplikasinya akan sedikit hang! tapi nggak papa koq karena sudah pakai threading jadi bisa loading puluhan ribu gambar (tentu ukuran pengaruh) sesuai dengan RAM yang kalian punya, usahakan kalau kalian menggunakan laptop pastikan fannya bekerja dengan baik jangan dikasih alas seperti tempat tidur/busa bisa-bisa panas seharusnya ditempatan di meja saja. Berikut tampilan pada saat Lobe melakukan loading kedalam RAM
itu baru hanya loading dataset! belum dilakukannya proses sesi training lho! Pastikan disamping kalian ada secangkir kopi buat leha-leha sambil nyeruput kopi dengerin radio streamer juga, itulah mengapa kalau dapat kerjaan machine learning dengan model deep learning bakalan cape nunggu! namanya aja deep pasti lebih dalam dan butuh banyak dataset! maka untuk tahap produksi butuh komputer berdaya besar untuk mempercepat proses pelatihan dan pengujian…
Biasanya bisa berjam-jam atau berhari-hari atau bahkan berminggu-minggu tergantung jumlah dataset yang digunakan serta model yang digunakan, maka kalian jangan menggunakan laptop ya!
Kalau sudah rampung proses pelatihan/training, maka kalian langsung bisa menggunakan dengan pilih Play
Memilih Model Deep Learning Machine
Secara default ada 2 model yang bisa kalian gunakan pada lobe yaitu ResNet-50 V2 dan MobileNetV2
Contoh yang lain
Kalian bisa menggunakan untuk lobe seperti clasification dan object detection lebih lanjut langsung saja ke https://lobe.ai/examples/
Lobe untuk identifikasi jenis daging dan babi
Berikut ketika saya menggunakan Lobe untuk membedakan jenis daging dan babi dengan hasil optimasi sampai 98%
Hasilnya lumayan, namun untuk melakukan pelatihan cukup lama juga sih, hampir 5 jam lebih, saya sarankan kalian menggunakan komputer desktop dengan GPU Nvidia yang support Cuda agar lebih cepat melakukan komputasi tensorflow nya
selesai..
ref: