Mengenal Tensorflow: Library Deep Machine Learning buatan Google

By | October 23, 2021
2,538 Views

TensorFlow adalah library/pustaka perangkat lunak sumber terbuka yang dikembangkan oleh Google untuk komputasi numerik dengan konsep graph/tensor. TensorFlow awalnya adalah proyek penelitian deep machine learning yang dikembangkan dari tim Google yang sejak dengan kolaborasi bersama 50 tim di Google – perpustakaan sumber terbuka baru yang diterapkan di seluruh ekosistem Google, termasuk Asisten Google, Foto Google, Gmail , telusuri, dan lainnya.

Saat ini TensorFlow telah banyak diterapkan untuk deep machine learning  di berbagai area seperti  tugas-tugas persepsi/perceptual dan pemahaman bahasa manusia, bahkan kalian punya  foto Menara Eiffel, Google Foto dapat mengidentifikasi gambar tersebut. Ini dimungkinkan berkat deep machine learning melalui TensorFlow.

TensorFlow mengirimkan sekumpulan modul (tersedia untuk beragam bahasa yaitu Python dan C / C ++ API) yang memungkinkan pembuatan dan eksekusi komputasi TensorFlow, yang kemudian diekspresikan dalam grafik aliran data/tensor. Grafik ini memungkinkan aplikasi seperti Foto Google menjadi sangat akurat dalam mengenali lokasi dalam gambar berdasarkan landmark populer.

Pada tahun 2011, Google mengembangkan produk bernama DistBelief yang bekerja pada model penguatan positif. Mesin akan diberi gambar kucing dan ditanya apakah itu gambar kucing. Jika mesin menebak dengan benar, maka dikatakan demikian. Tebakan yang salah akan menyebabkan penyesuaian sehingga bisa mengenali gambar dengan lebih baik hal ini disebut dengan self machine learning.

TensorFlow meningkatkan konsep ini dengan mengurutkan melalui lapisan/layer data yang disebut Node. Menyelami lebih dalam ke dalam lapisan akan memungkinkan pertanyaan yang lebih kompleks tentang gambar. Misalnya, pertanyaan lapis pertama mungkin hanya membutuhkan mesin untuk mengenali bentuk bulat. Pada lapisan yang lebih dalam, mesin mungkin diminta untuk mengenali mata kucing. Proses aliran (dari masukan, melalui lapisan data, ke keluaran) disebut tensor … oleh karena itu dinamai TensorFlow.

See also  #Video Tutorial - Belajar Python Bagian 6 - Analisis Perilaku Pelanggan

Kalian bisa baca ini dan ini, bagaimana penggunaan library tensforflow mempermudah implementasi machine learning menggunakan algoritma neural network backpropagation dan convolutional neural network.

Apa yang ada di TensorFlow 2.0?

Saat ini tensorflow sudah mencapai 2.xx dengan banyak perubahan yang mencakup penyempurnaan berikut:

  1. Membantu membuat komponen API berintegrasi lebih baik dengan tf.keras (antarmuka tingkat tinggi untuk jaringan neural yang berjalan di atas beberapa backend).
  2. Termasuk TensorFlow.js versi 1.0, yang memungkinkan penggunaan model JavaScript siap pakai, dapat melatih kembali model JS yang ada, dan memungkinkan pembuatan dan pelatihan model secara langsung di JavaScript.
  3. Termasuk TensorFlow Federated, yang merupakan framework open source untuk bereksperimen dengan machine learning (dan komputasi lainnya) menggunakan data yang didesentralisasi.
  4. Termasuk TF Privacy, library untuk melatih model pembelajaran mesin dengan fokus pada privasi untuk data pelatihan.
  5. Menampilkan eager execution, yang merupakan lingkungan pemrograman penting yang mengevaluasi operasi dengan segera, tanpa membuat grafik sebelum mengembalikan nilai konkret.
  6. Penggunaan tf.function, yang memungkinkan kalian mengubah subset sintaks Python menjadi grafik portabel berkinerja tinggi, dan meningkatkan kinerja dan kemampuan penerapan eksekusi yang kuat.
  7. Eksperimen lanjutan akan dimungkinkan dengan ekstensi baru Ragged Tensors (TensorFlow yang setara dengan daftar panjang variabel bersarang), TensorFlow Probability (pustaka Python yang dibangun di TensorFlow yang memudahkan untuk menggabungkan model probabilistik dan pembelajaran mendalam), dan Tensor2Tensor (pustaka model pembelajaran mendalam dan kumpulan data).
  8. Alat konversi yang secara otomatis memperbarui kode TensorFlow 1.x Python sehingga dapat digunakan dengan API yang kompatibel dengan TensorFlow 2.0 (dan menandai kasus di mana kode tersebut tidak dapat dikonversi secara otomatis).

Ingin lebih tahu lebih lanjut, bagaimana tensorflow memudahkan kita dalam mengembangkan deep machine learning, kalian bisa kesini

See also  Klasifikasi menggunakan SVM

Persiapan sebelum menggunakan Tensorlow

Sebelum menggunakan tensorflow yang core engine nya pakai python, tentu kalia harus belajar dasar-dasar python serta cara install package nya yang banyak itu agar terasa mudah, kalian bisa baca disini Blog ini juga banyak menyediakan tutorial machine learning menggunakan python / matlab/octave ataupun menggunakan R, cakupannya pun luas dari digital image processing, digital signal processing, computer vision juga.

Saya anggap pada sesi ini, kalian sudah install anaconda dan bisa menggunakan spyder sebagai editor kode python favorit serta setting

  1. setting path Python  agar bisa dipanggil python via CMD
  2. setting path pip agar untuk install package di Python

Install Tensorflow dan Keras

Tensorflow merupakan low level sehingga bagi kalian yang belum paham secara teknis mengenai istilah didalam machine learning jangan kuatir, turunan tensorflow yaitu keras. Untuk tata cara install tensorflow dan keras, bisa baca disini. Gunakan versi  tensorflow 2.2.0-rc3. Kalau ada masalah dengan SSL belum include ketika install tensorflow dan keras, bisa kesini. Siapkan saja koneksi internet yang stabil karena ukuran file nya besar dan harus lakukan compilasi dari source code langsung.

Pastikan tidak ada error satupun kemudian lanjutkan dengan install library keras.

Saya anggap pada sesi ini, kalian sudah install tensorflow dan keras dengan baik, untuk memastikannya kalian bisa melakukan import di python tanpa ada pesan error