Difference between revisions of "TensorFlow"

Latest revision as of 10:22, 18 March 2025

TensorFlow ™ adalah library perangkat lunak open source untuk perhitungan numerik menggunakan graph aliran data. Node dalam graph mewakili operasi matematika, sedangkan tepi graph mewakili array data multidimensi (tensor) yang dikomunikasikan di antara mereka. Arsitektur fleksibel memungkinkan Anda untuk menyebarkan komputasi ke satu atau lebih CPU atau GPU di desktop, server, atau perangkat seluler dengan satu API.

TensorFlow pada awalnya dikembangkan oleh para peneliti dan engineer yang bekerja di Tim Google Brain dalam organisasi penelitian Machine Intelligence Google untuk keperluan melakukan pembelajaran mesin dan penelitian deep neural network, tetapi sistem ini cukup umum untuk dapat diterapkan di berbagai domain lain seperti baik.

Berikut adalah outline bertahap untuk mempelajari TensorFlow di Google Colab:

Pengenalan Google Colab

TensorFlow dan Keras di Ubuntu

TF: Install TensorFlow di Ubuntu 24.04

Preprocess Data

Memulai dengan TensorFlow di Colab

Penggunaan GPU untuk Mempercepat Pelatihan Model

Membangun dan Melatih Model dengan Keras dan TensorFlow

Menyimpan dan Membagikan Model

Studi Kasus

Tips dan Trik Lanjutan

Youtube

YOUTUBE: TENSORFLOW Konsep Dasar

Referensi

Pranala Menarik

Keras

TensorFlow

Linear Regression

Supervised Learning for Predictive Analysis

Tensor

Tensor

@@ Line 11: / Line 11: @@
 * [[TF: Google Colab]]
 * [[TF: Kolaborasi & Berbagi notebook]]
+* [[TF: Training Data untuk Google Colab]]
+* [[TF: Training Data di tf.keras.datasets]]
+* [[TF: Penjelasan Model TensorFlow]]
+==TensorFlow dan Keras di Ubuntu==
+* [[TF: Install TensorFlow di Ubuntu 24.04]]
+==Preprocess Data==
+* [[DATA: Preprocess Select Kolom]]
+* [[DATA: Load Google Drive File]]
 ==Memulai dengan TensorFlow di Colab==
 * [[TF: TensorFlow Colab]]
 * [[TF: TensorFlow Colab untuk Pemula]]
+* [[TF: TensorFlow untuk dataset MNIST (Modified National Institute of Standards and Technology)]]
+* [[TF: TensorFlow untuk dataset CIFAR-10]]
+* [[TF: TensorFlow untuk dataset CIFAR-100]]
+* [[TF: TensorFlow untuk dataset Fashion-MNIST]]
+* [[TF: TensorFlow untuk dataset IMDB Internet Movie Database]]
+* [[TF: TensorFlow untuk dataset Reuters Newswire]]
+* [[TF: TensorFlow untuk dataset Boston Housing]]
 ==Penggunaan GPU untuk Mempercepat Pelatihan Model==
-* [[TF: Mengaktifkan akselerasi perangkat keras dengan mengubah tipe runtime ke GPU melalui menu Runtime > Change runtime type di Colab.]]
+* [[TF: Mengaktifkan DPU melalui Change Runtime Type Colab]]
-* [[TF: Memahami cara kerja GPU dalam mempercepat proses pelatihan model dan praktik terbaik dalam penggunaannya]]
+* [[TF: TensorFlow GPU]]
 ==Membangun dan Melatih Model dengan Keras dan TensorFlow==
@@ Line 27: / Line 46: @@
 ==Menyimpan dan Membagikan Model==
 * [[TF: TensorFlow save model]]
-* [[TF: Memahami format penyimpanan model dan cara memuatnya kembali di Colab]]
+* [[TF: TensorFlow save model di Colab]]
+* [[TF: Colab untuk Unsupervised Learning]]
-==Studi Kasus: Pelatihan Model pada Dataset IRIS==
+==Studi Kasus==
-* [[TF: Menerapkan pengetahuan yang telah dipelajari dengan melatih model TensorFlow pada dataset IRIS di Google Colab]]
+* [[TF: TensowFlow IRIS Google Colab]]
+* [[TF: TensorFlow Prediction]]
+* [[TF: TensorFlow Unsupervised Learning dari File Excel]]
+* [[TF: TensorFlow Linear Regresion Text data]]
 ==Tips dan Trik Lanjutan==
-* [[TF: Mengoptimalkan kinerja pelatihan model dengan teknik-teknik lanjutan]]
-* [[TF: Mengelola dependensi dan pustaka tambahan yang diperlukan dalam proyek TensorFlow di Colab]]
+* [[TF: Optimasi kinerja pelatihan model]]
+* [[TF: TensorFlow Library Management di Colab]]
 ==Youtube==