Monthly Archives: August 2023

Penerapan Convolution 1D pada Sinyal

By | September 1, 2023

763 ViewsOperasi Convolution telah banyak kita gunakan tapi lebih kepada 2D, seperti yang telah dijelaskan pada dokumentasi pytorch mengenai operasi Conv2d dengan input berupa tensor N, C, H, W yaitu N jumlah batch/record, C adalah channel seperti grayscale atau RGB, dan H dan W merupakan dimensi dari array yaitu Height dan Width. Misalkan kita mempunyai… Read More »

Menyimpan Check Point pada Proses Iterasi Machine Learning

By | January 7, 2024

918 ViewsMenyimpan Check Point pada Proses Iterasi Machine Learning – Model yang rumit tentu membutuhkan proses komputasi yang sangat lama bahkan saking lamanya untuk menyelesaikan  1 epoch saja butuh waktu bermenit-menit / bahkan berjam-jam. Dataset dan batch yang besar juga menambahkan kesabaran kita dalam nungguin proses iterasinya. Sedikit sekali kita yang mempunyai GPU Cuda kualitas… Read More »

Monitoring Kinerja Deep Learning menggunakan Tensorboard

By | August 26, 2023

822 ViewsMonitoring Kinerja Deep Learning menggunakan Tensorboard – Deep Learning seringkali memakan waktu cukup lama apalagi menggunakan dataset dan model yang besar. Biasanya sih cara paling gampang dengan cara menyimpan setiap data pada format CSV serta memvisualisasikan data dengan matplotlib. Namun hal tersebut kurang praktis karena kita bisa kok menggunakan tensorboard untuk melihat pergerakan nilai… Read More »

Belajar RNN untuk kasus Sederhana

By | August 20, 2023

651 ViewsSalah satu model deep learning yang mempunyai keunggulan dalam mengolah data berbasis time series yaitu RNN. Ada banyak jenis RNN seperti many to one yang telah dibahas disini, juga jenis one to one untuk kasus recognition yang telah dibahas disini juga. Belajar RNN untuk kasus Sederhana yang akan kita pelajari disini lebih kepada memanfaatkan… Read More »

RNN untuk Image Recognition

By | August 20, 2023

731 ViewsRNN mempunyai keunggulan yang tidak dimiliki oleh model CNN yaitu kemampuan untuk menangani data yang bersifat time serial/berbasis waktu yang artinya data yang diolah akan dipengaruhi dari sequence sebelumnya. Sehingga RNN sangat cocok sekali digunakan pada Natural Language Processing, seperti dibahas pada dasar-dasar RNN sebelumnya, saya akan memberikan contoh sederhana untuk kasus yang lain… Read More »