TF: Training Data untuk Google Colab

Google Colab menyediakan berbagai cara untuk mengakses dan memuat data pelatihan saat belajar menggunakan TensorFlow. Berikut beberapa metode yang dapat Anda gunakan:

1. Menggunakan Dataset Bawaan TensorFlow: TensorFlow menyediakan sejumlah dataset populer yang dapat diakses langsung melalui modul `tf.keras.datasets`. Misalnya, untuk memuat dataset MNIST, Anda dapat menggunakan kode berikut:

import tensorflow as tf

# Memuat dataset MNIST
(x_train, y_train), (x_test, y_test) = tf.keras.datasets.mnist.load_data()

# Normalisasi nilai piksel ke rentang 0-1
x_train, x_test = x_train / 255.0, x_test / 255.0

Dataset lain yang tersedia termasuk CIFAR-10, CIFAR-100, dan Fashion-MNIST.

2. Mengimpor Dataset dari Google Drive: Jika Anda memiliki dataset yang disimpan di Google Drive, Anda dapat mengaksesnya dengan cara berikut:

from google.colab import drive

# Mount Google Drive
drive.mount('/content/drive')

# Akses file dataset
dataset_path = '/content/drive/My Drive/path/to/your/dataset'

Setelah drive ter-mount, Anda dapat menggunakan `dataset_path` untuk membaca dataset sesuai formatnya, misalnya menggunakan `pandas` untuk file CSV.

3. Mengunduh Dataset dari Internet: Anda dapat mengunduh dataset langsung dari internet menggunakan perintah shell seperti `wget` atau `curl`:

!wget -O dataset.zip 'URL_dataset_anda'

Setelah diunduh, Anda dapat mengekstrak dan memuatnya sesuai kebutuhan.

4. Menggunakan Kaggle Datasets: Untuk mengakses dataset dari Kaggle, Anda perlu mengunggah file `kaggle.json` yang berisi API token Anda:

from google.colab import files

# Unggah file kaggle.json
files.upload()

# Membuat direktori .kaggle dan memindahkan kaggle.json ke sana
!mkdir ~/.kaggle
!mv kaggle.json ~/.kaggle/
!chmod 600 ~/.kaggle/kaggle.json

# Mengunduh dataset dari Kaggle
!kaggle datasets download -d 'nama_dataset'

Setelah diunduh, ekstrak dan muat dataset sesuai formatnya.

Pranala Menarik

• TensorFlow