Mengenal TensorFlow: Framework AI dari Google

Mengenal TensorFlow: Framework AI dari Google

• Admin
• April 16, 2025
• 125 views
• 0 komentar

TensorFlow adalah framework open-source yang dikembangkan oleh Google untuk membangun dan menerapkan model machine learning (ML) dan deep learning (DL).
Framework ini memungkinkan pengembang untuk membuat model AI yang dapat dijalankan di berbagai platform, termasuk desktop, mobile, web, dan cloud.

Fitur Utama TensorFlow

• Kompatibilitas Lintas Platform:
  TensorFlow mendukung berbagai platform, memungkinkan model ML berjalan di perangkat apa pun.

• API Intuitif:
  Menyediakan API yang mudah digunakan melalui contoh kode interaktif, memudahkan pemula dan ahli dalam mengembangkan model

• Dukungan Komunitas yang Kuat:
  Sebagai proyek open-source, TensorFlow memiliki komunitas pengembang yang besar dan aktif, menyediakan berbagai sumber daya dan dukungan.

Contoh Penggunaan TensorFlow

TensorFlow digunakan dalam berbagai aplikasi AI, seperti:

• Pengenalan Gambar dan Suara:
  Membangun model untuk mengenali objek dalam gambar atau memahami perintah suara

• Analisis Teks:
  Mengembangkan sistem untuk analisis sentimen atau klasifikasi teks

• Prediksi dan Analitik:
  Membuat model prediktif untuk analisis data dalam bisnis atau penelitian

Berikut adalah contoh program sederhana menggunakan TensorFlow untuk klasifikasi gambar dan teks. Program ini cocok bagi pemula yang ingin memahami dasar-dasar penggunaan TensorFlow dalam proyek AI.

---

Contoh Program:
Klasifikasi Gambar dengan TensorFlow
Program ini menggunakan dataset gambar bunga untuk melatih model klasifikasi

import tensorflow as tf
from tensorflow.keras import layers, models
import pathlib

# Unduh dan persiapkan dataset
dataset_url = "https://storage.googleapis.com/download.tensorflow.org/example_images/flower_photos.tgz"
data_dir = tf.keras.utils.get_file('flower_photos', origin=dataset_url, untar=True)
data_dir = pathlib.Path(data_dir)

# Parameter
batch_size = 32
img_height = 180
img_width = 180

# Membuat dataset pelatihan dan validasi
train_ds = tf.keras.utils.image_dataset_from_directory(
    data_dir,
    validation_split=0.2,
    subset="training",
    seed=123,
    image_size=(img_height, img_width),
    batch_size=batch_size)

val_ds = tf.keras.utils.image_dataset_from_directory(
    data_dir,
    validation_split=0.2,
    subset="validation",
    seed=123,
    image_size=(img_height, img_width),
    batch_size=batch_size)

# Membangun model
model = models.Sequential([
    layers.Rescaling(1./255, input_shape=(img_height, img_width, 3)),
    layers.Conv2D(16, 3, activation='relu'),
    layers.MaxPooling2D(),
    layers.Conv2D(32, 3, activation='relu'),
    layers.MaxPooling2D(),
    layers.Conv2D(64, 3, activation='relu'),
    layers.MaxPooling2D(),
    layers.Flatten(),
    layers.Dense(128, activation='relu'),
    layers.Dense(len(train_ds.class_names))
])

# Kompilasi model
model.compile(optimizer='adam',
              loss=tf.keras.losses.SparseCategoricalCrossentropy(from_logits=True),
              metrics=['accuracy'])

# Melatih model
model.fit(train_ds, validation_data=val_ds, epochs=10)

Program ini akan mengklasifikasikan gambar bunga ke dalam beberapa kategori seperti mawar, tulip, dan lainnya.

---

Contoh Program:
Klasifikasi Teks dengan TensorFlow
Program ini menggunakan dataset ulasan film IMDB untuk melakukan analisis sentime.

import tensorflow as tf
from tensorflow.keras import layers, models

# Unduh dataset
(train_data, train_labels), (test_data, test_labels) = tf.keras.datasets.imdb.load_data(num_words=10000)

# Pad sequences
train_data = tf.keras.preprocessing.sequence.pad_sequences(train_data, maxlen=256)
test_data = tf.keras.preprocessing.sequence.pad_sequences(test_data, maxlen=256)

# Membangun model
model = models.Sequential([
    layers.Embedding(10000, 16),
    layers.GlobalAveragePooling1D(),
    layers.Dense(16, activation='relu'),
    layers.Dense(1, activation='sigmoid')
])

# Kompilasi model
model.compile(optimizer='adam',
              loss='binary_crossentropy',
              metrics=['accuracy'])

# Melatih model
model.fit(train_data, train_labels, epochs=10, batch_size=512, validation_split=0.2)

Model ini akan mengklasifikasikan ulasan film sebagai positif atau negatif berdasarkan teks ulasan

---

Kesimpulan

TensorFlow adalah framework AI yang kuat dan fleksibel, cocok untuk berbagai tingkat keahlian dan kebutuhan proyek.
Dengan fitur-fitur unggulan dan dukungan komunitas yang luas, TensorFlow terus menjadi pilihan utama bagi pengembang dalam membangun solusi AI

---

Untuk informasi lebih lanjut dan tutorial interaktif, kunjungi situs resmi TensorFlow di tensorflow.org

Author By Ibnu Muakhori, S.Kom, M.Kom