Apa itu Keras?
Bagi yang berkecimpung dalam dunia deep learning dan AI (Artificial Intelligence) tentu sudah tidak asing dengan Keras. Keras merupakan API yang digunakan untuk mengembangkan jaringan saraf tiruan. Jaringan saraf tiruan ini maksudnya adalah untuk klasifikasi gambar, pemprosesan bahasa alami, prediksi time series, dan pengenalan suara. Jaringan saraf ini dapat dibuat menggunakan Keras dikarenakan dengan menggunakan Keras kita dapat membuat multi-layer perceptron dan convolutional neural network dengan lebih mudah.
Keras ini sendiri ditulis dengan menggunakan Python dan berjalan di atas Theano atau Tensorflow. Keras dirancang agar modular, cepat dan mudah digunakan. Dengan adanya Keras, diharapkan dapat menyederhanaan implementasi algoritma-algoritma deep learning diatas tensorflofw. Keras ini dikembangkan oleh seorang insinyur Google yaitu François Chollet. Keras digunakan dengan tujuan untuk pengembangan dan pengevaluasian model deep learning. Apabila mengikuti praktiknya, Keras terbaik dalam mengurangi beban kognitif. Karena Keras menawarkan API yang konsisten dan sederhana. Keras ini sendiri tidak menangani komputasi tingkat rendah, hal ini disebabkan Keras sendiri merupakan platform high performance computing.
Keras sendiri memiliki fungsi dalam mengurangi jumlah tindakan yang diperlukan dalam mengimplementasikan kode umum serta dapat menjelaskan kesalahan yang dilakukan oleh pengguna agar dapat ditindaklanjuti. Keras ini sangat ramah bagi pemula, gak ini disebabkan Keras yang relatif mudah untuk dipelajari dan digunakan karean menyediakan front-end Python dengan abstraksi tingkat tinggi dan memiliki beberapa back-end untuk tujuan komputasi.
Sebenarnya apa saja kelebihan Keras apabila dibandingkan dengan model deep learning lainnya yang sudah ada sebelumnya:
- Dapat diimplemetasikan dan disebarkan dalam waktu yang relatif lebih singkat karena durasi pembuatan prototipe dalam model keras yang lebih sedikit.
- Merupakan API yang mudah dipelajari orang sehingga dibuat sesederhana mungkin.
- Menyediakan opsi penerapan yang dapat disesuaikan dengan kebutuhan pengguna.
- Memungkinkan pengguna untuk langsung menggunakan model atau mengekstrak fitur-fiturnya tanpa harus membuat model sendiri.
Bagaimana suatu model dibuat dan dibangun pada Keras, berikut merupakan Langkah-langkah-langkah yang perlu dilakukan untuk membangun model pada Keras:
1. Menentukan jaringan
Menentukan model dan koneksi, hal ini disebabkan Keras memiliki dua jenis model utama, yaitu sequential dan fungsional.
2. Kompilasi jaringan
Mengkompilasi kode ke dalam bentuk model yang sesuai agar mudah dipahami oleh mesin.
3. Sesuaikan jaringan
Menyesuaikan data setelah kompilasi dengan tujuan untuk melatih model pada data.
4. Evaluasi jaringan
Mengevaluasi kesalahan yang terdapat pada model.
5. Membuat prediksi
Memprediksi model dengan data baru.
Contoh penerapan Keras adalah menyebarkan produk domain publik oleh perusahaan seperti Netflix, Uber Square, dan Yelp.
Kesimpulannya adalah Keras merupakan API deep learning yang digunakan untuk mengembangkan jaringan saraf tiruan. Modul Keras dapat digunakan dan dimanfaatkan untuk prediksi dan ekstraksi fitur dan fine tuning.
Reference:
https://www.guru99.com/keras-tutorial.html
https://medium.com/sysinfo/tensorflow-keras-66dd489ae52f