TensorFlow 2 quickstart for beginners

Lihat di TensorFlow.org Jalankan di Google Colab Lihat sumber kode di GitHub Unduh notebook

Panduan singkat ini akan menggunakan Keras untuk:

  1. Membangun jaringan saraf tiruan yang mengklasifikasikan gambar.
  2. Melatih jaringan saraf tiruan tersebut.
  3. Dan, pada akhirnya, mengevaluasi keakuratan dari model.

Ini adalah file notebook Google Colaboratory. Program python akan dijalankan langsung dari browser — cara yang bagus untuk mempelajari dan menggunakan TensorFlow. Untuk mengikuti tutorial ini, jalankan notebook di Google Colab dengan mengklik tombol di bagian atas halaman ini.

  1. Di halaman Colab, sambungkan ke runtime Python: Di menu sebelah kanan atas, pilih * CONNECT *.
  2. Untuk menjalankan semua sel kode pada notebook: Pilih * Runtime *> * Run all *.

Download dan instal TensorFlow 2 dan impor TensorFlow ke dalam program Anda:

# Install TensorFlow

import tensorflow as tf

Siapkan dataset MNIST. Ubah sampel dari bilangan bulat menjadi angka floating-point (desimal):

mnist = tf.keras.datasets.mnist

(x_train, y_train), (x_test, y_test) = mnist.load_data()
x_train, x_test = x_train / 255.0, x_test / 255.0

Build model tf.keras.Sequential dengan cara menumpuk lapisan layer. Untuk melatih data, pilih fungsi untuk mengoptimalkan dan fungsi untuk menghitung kerugian:

model = tf.keras.models.Sequential([
  tf.keras.layers.Flatten(input_shape=(28, 28)),
  tf.keras.layers.Dense(128, activation='relu'),
  tf.keras.layers.Dropout(0.2),
  tf.keras.layers.Dense(10, activation='softmax')
])

model.compile(optimizer='adam',
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])

Melatih dan mengevaluasi model:

model.fit(x_train, y_train, epochs=5)

model.evaluate(x_test,  y_test, verbose=2)
Epoch 1/5
1875/1875 [==============================] - 3s 1ms/step - loss: 0.2958 - accuracy: 0.9135
Epoch 2/5
1875/1875 [==============================] - 3s 1ms/step - loss: 0.1429 - accuracy: 0.9574
Epoch 3/5
1875/1875 [==============================] - 3s 1ms/step - loss: 0.1068 - accuracy: 0.9675
Epoch 4/5
1875/1875 [==============================] - 3s 1ms/step - loss: 0.0876 - accuracy: 0.9735
Epoch 5/5
1875/1875 [==============================] - 3s 2ms/step - loss: 0.0752 - accuracy: 0.9761
313/313 - 0s - loss: 0.0857 - accuracy: 0.9743

[0.08568208664655685, 0.9743000268936157]

Penggolong gambar tersebut, sekarang dilatih untuk akurasi ~ 98% pada dataset ini. Untuk mempelajari lebih lanjut, baca tutorial TensorFlow.