Keras Tutorial

Halaman ini saya dedikasikan untuk mendokumentasikan tutorial penggunaan Keras deep learning library. Mohon maaf jika ada yang kurang jelas dalam penjelasan yang saya jabarkan. Komentar dan usul dapat dituliskan dikolom komentar pada setiap halaman tutorial:

Daftar Isi
  • Tutorial 01
  • Tutorial 02: Pengenalan Keras 
    • Pengenalan Keras
    • Dataset Pada Keras
    • Mendefinisikan Neural Network Model
  • Tutorial 03: Kategorisasi Citra (CIFAR-10)
    • Model Sederhana
    • Model VGG13
  • Tutorial 04: Finetuning Suatu Model
    • Konsep finetuning
    • Finetuning MobileNet pada CIFAR10
  • Tutorial 05: Data Augmentation
  • Tutorial 06: Advanced: Recurrent  Network
  • Tutorial 07: Advanced: Kategorisasi Citra (ImageNet32)

Komentar

Posting Komentar

Postingan populer dari blog ini

Deskripsi: Fine-Grained Classification

Gambar
Fine-Grained Classification merupakan salah satu topik pada bidang visi komputer (Computer Vision) dengan tujuan pengenalan (klasifikasi) benda detil (fine-grained). Sebagai contoh, fine-grained car classification adalah penelitian dengan tujuan melakukan pengenalan merk mobil, seperti BMW i320 versi 2010, dll. Selain mobil, ada beberapa fine-grained dataset yang tersedia secara publik untuk digunakan dalam penelitian, diantaranya adalah dataset keanekaragaman burung, keanekaragaram kupu-kupu, tipe pesawat terbang, keanekaragaman bunga, dll.
Baca selengkapnya

Pengacakan List / Array

Gambar
Pengacakan list atau array merupakan salah satu cara untuk menciptakan susunan acak data pada saat proses pelatihan klasifier, seperti CNN (Convolutional Neural Network) atau DNN (Deep Neural Network). Lalu bagaimana melakukan pengacakan yang konsisten? sehingga hasil pengacakan bisa digunakan untuk menyusun data lain yang berhubungan dengan data utama untuk proses pelatihan.
Baca selengkapnya

Caffe Deep Learning Framework

Gambar
Caffe Deep Learning Framework ( http://caffe.berkeleyvision.org/ ) merupakan salah satu dari sekian banyak deep learning framework yang dapat digunakan untuk merancang dan menjalankan klasifier neural network. Mengapa Caffe saya pilih? Kembali ke pertengahan tahun 2014, ketika pertama kali saya melakukan penelitian tentang deep learning dan hanya beberapa framework yang tersedia, diantaranya adalah Caffe, Theano, dan DeepLearning4J. DeepLearning4J tidak mungkin saya pilih karena pada waktu itu hanya terdapat interface ke Java dan C++. Theano merupakan kandidat kedua dan saya menggunakannya dalam beberapa bulan, tetapi saya cukup mempelajari bagaimana menggunakan Theano untuk merancang suatu neural network klasifier. Pilihan terakhir adalah Caffe dan ternyata saya cukup mudah mempelajari bagaimana Caffe bekerja. Dari akhir tahun 2014 hingga tahun 2017, cukup banyak pula para peneliti yang menggunakan framework tersebut sehingga tersedia banyak dukungan untuk troubleshooting. Hingg...
Baca selengkapnya