Skip to content

ridopandiSinaga/klasifikasi-gambar-dengan-tensorflow.keras.preprocessing

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

4 Commits
 
 
 
 

Repository files navigation

📃 Description

Berikut kriteria submission yang harus Anda penuhi:

  • Dataset yang dipakai haruslah dataset berikut : rockpaperscissors, atau gunakan link ini pada wget command: https://github.com/dicodingacademy/assets/releases/download/release/rockpaperscissors.zip.
  • Dataset harus dibagi menjadi train set dan validation set.
  • Ukuran validation set harus 40% dari total dataset (data training memiliki 1314 sampel, dan data validasi sebanyak 874 sampel).
  • Harus mengimplementasikan augmentasi gambar.
  • Menggunakan image data generator.
  • Model harus menggunakan model sequential.
  • Pelatihan model tidak melebihi waktu 30 menit.
  • Program dikerjakan pada Google Colaboratory.
  • Akurasi dari model minimal 85%.
  • Dapat memprediksi gambar yang diunggah ke Colab seperti gambar di bawah.

202004302318257ec23b834046174a7d426680e488905e

- Manambahkan data diri (sesuai profil Dicoding) pada submission/project yang dikirimkan.

👨🏻‍💻 Tech Stack

  • TensorFlow: library open source untuk machine learning dan pengembangan model neural network.
  • Keras: high-level neural network API yang berjalan di atas TensorFlow.
  • RMSprop: algoritma optimizer yang digunakan untuk mengoptimalkan model.
  • ImageDataGenerator: modul dari Keras yang digunakan untuk melakukan augmentasi gambar pada saat training data.
  • zipfile: modul Python yang digunakan untuk mengekstrak file ZIP.
  • os: modul Python yang digunakan untuk berinteraksi dengan sistem operasi.
  • google.colab: library untuk berinteraksi dengan Google Colab.
  • numpy: library Python yang digunakan untuk mengolah array dan matriks numerik.
  • matplotlib library Python yang digunakan untuk membuat visualisasi grafik atau gambar.

About

Beginner Machine Learning - submission task for beginner Machine Learning class

Topics

Resources

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published