Description

Dataset yang digunakan dan resource lain :

https://drive.google.com/drive/folders/1_0xOFUNLVtEgjtVnpOxVYVuvJ9UcASpX?usp=sharing 

Library yang digunakan : 

• numpy
• pandas
• matplotlib
• tensorflow
• os
• zipfile
• seaborn
• sklearn
• functools

Tutorial :

1. Import Gdrive

2. Import Library dan atur banyaknya seed untuk generate random number

3. Ekstrak Data gambar yang masih berupa zip file 

gambar terdapat 25000

4. Mengatur data gambar menjadi Data Frame yang terdiri dari fitur nama_file dan label

Visualisasi Pembagian dari data gambar

5. Membagi data menjadi per kategori cat dan dog

Visualisasi data gambar train

6. Split data menjadi data train dan test

7. Visualisasi hasil split data

8. Membuat Image Data Generator

Data train dan test tadi akan melalui Image data generator yang berfungsi untuk memformat data gambar seperti ukuran, ketajaman dsb. Formatting ini bertujuan seperti preprocessing data gambar.

9. Membuat Arsitektur CNN 

10. Menambahkan Callback dan Compile Model

Callback bertujuan untuk memantau kinerja dalam metrik pada titik tertentu dalam menjalankan pelatihan dan melakukan beberapa tindakan yang mungkin bergantung pada kinerja tersebut dalam nilai metrik. Selanjutnya, model akan dicompile.

Selanjutnya adalah proses untuk training data dengan model yang telah kita buat.

11. Visualisasi proses training model

12. Menyimpan dan Mengevaluasi model

Pada kali ini saya mendapatkan Hasil Akurasi sebanyak 95%

13. Membuat Prediksi

Sebelumnya saya mempunya contoh dataset yang bertujuan untuk melakukan prediksi

Sebelumnya dilakukan prediksi data yang akan digunakan untuk prediksi akan melalu Image Data Generator

Memulai prediksi

Untuk label hasil prediksi diubah dari 0 & 1 menjadi dog & cat

Visualisasi hasil prediksi

Hasil

14. Dokumentasi Kode

https://drive.google.com/drive/folders/1_0xOFUNLVtEgjtVnpOxVYVuvJ9UcASpX?usp=sharing