Tensorflow Introduction
TensorFlow CPU and Anaconda Installation
Hello guys.. All our dreams can come true kali ini saya akan menulis tentang tensorflow. Tensorflow merupakan framework komputasional yang digunakan untuk modelling machine learning. TensorFlow biasanya menyediakan berbagai toolkit yang memungkinkan kita membuat model. Tensorflow sangat membantu dalam implementasi artificial inteligence. Tensorflow dapat kita jalankan dengan TensorFlow CPU dan TensorFlow GPU. Tensorflow dapat diaplikasikan dalam banyak bahasa diantaranya adalah python, R, Swft sampai JavaScript.
Sebelum kita install Tensorflow terlebih dahulu kita install anaconda Meskipun Anaconda bukan persyaratan untuk menginstal dan menggunakan TensorFlow, saya sarankan melakukannya, karena cara intuitif mengelola paket dan mengatur lingkungan virtual baru. Anaconda adalah alat yang sangat berguna, tidak hanya untuk bekerja dengan TensorFlow, tetapi secara umum bagi siapa saja yang bekerja dengan Python, jadi jika kita belum memiliki kesempatan untuk bekerja dengannya, sekarang adalah kesempatan yang bagus.
Anaconda Installation
- Buka website https://www.anaconda.com/download/
- Download Anaconda Python Versi 3.7
3. Setelah di download selanjutnya adalah install anaconda, Ketika diminta untuk “Folder Tujuan” kita dapat memilih folder mana yang kita gunakan untuk tempat instal anaconda, tetapi disini saya menggunakan C:\ProgramData\Anaconda3, berikut adalah folder yang saya gunakan..
Menempatkan Anaconda di bawah C:\ProgramData\Anaconda3 juga memastikan kita tidak mendapatkan `Folder Tujuan` yang canggung berisi peringatan spasi. Selanjutnya kita setting path di environment variables. perhatikan ya guys gambar dibawah ini.
Sudah install guys?..Setelah proses install selesai kemudian kita setting environment variabelnya yaitu dengan cara search di start program komputer → edit the system environment variables → Environment Variables kemudian klik Path pada User Variables kemudian klik edit perhatikan gambar diatas.
Setelah kita klik edit maka akan muncul seperti tampilan diatas kemudian klik tombol edit pada kotak dialog edit environment variables kemudian masukkan lokasi folder tempat anaconda terinstall, dan disini saya memasukkan C:\ProgramData\Anaconda3 dan C:\ProgramData\Anaconda3\Scripts selanjutnya klik OK.
Tensorflow Installation
Oke guys setelah anaconda terinstall langkah berikutnya adalah install Tensorflow. Seperti yang disebutkan di bagian Keterangan, ada dua varian generik TensorFlow, yang menggunakan perangkat keras berbeda di komputer Anda untuk menjalankan algoritma Machine Learning yang berat secara komputasi. Yang paling sederhana untuk menginstal, tetapi juga dalam kebanyakan kasus yang paling lambat dalam hal kinerja, adalah TensorFlow CPU, yang berjalan langsung pada CPU mesin Anda. Atau, jika Anda memiliki kartu grafis Nvidia (kompatibel), Anda dapat memanfaatkan core CUDA yang tersedia untuk mempercepat perhitungan yang dilakukan oleh TesnsorFlow, dalam hal ini Anda harus mengikuti panduan untuk menginstal TensorFlow GPU. Kali ini kita akan menginstall Tensorflow CPU berikut ini adalah langkah-langkahnya guys.
Tensorflow CPU
Mendapatkan pengaturan dengan instalasi TensorFlow CPU dapat dilakukan dalam 3 langkah sederhana.
- Buka start program search anaconda prompt/Command Prompt disini saya menggunakan Command Prompt kemudian klik.
2. Kemudian ketikkan code dibawah ini didalam command prompt
conda create -n tensorflow_cpu pip python=3.7
activate tensorflow_cpu
3. Langkah berikutnya adalah install python
pip install --ignore-installed --upgrade tensorflow
python
>>> import tensorflow as tf
>>> hello = tf.constant('Hello, TensorFlow!')
>>> sess = tf.Session()
>>> print(sess.run(hello))
Nah sekian dulu ya guys untuk sharingnya bagi kalian yang baru mau belajar python dan tensorflow bisa mencoba untuk install terlebih dahulu. semoga bisa bermanfaat jangan lupa dishare ya guys dan sharing-sharing ilmunya. sekian dan terima kasih. All Our dreams Can Come True.
Referensi :
https://imamdigmi.github.io/post/tensorflow-custom-object-detection/