|
|
--- |
|
|
language: en |
|
|
tags: |
|
|
- image-classification |
|
|
- tensorflow |
|
|
- keras |
|
|
license: apache-2.0 |
|
|
datasets: |
|
|
- cifar10 |
|
|
metrics: |
|
|
- accuracy |
|
|
--- |
|
|
|
|
|
# Nama Model Anda |
|
|
|
|
|
## Deskripsi Model |
|
|
|
|
|
Model ini adalah model klasifikasi gambar yang dilatih menggunakan dataset CIFAR-10. Model ini dapat mengklasifikasikan gambar ke dalam 10 kelas yang berbeda, termasuk pesawat, mobil, burung, kucing, rusa, anjing, katak, kuda, kapal, dan truk. |
|
|
|
|
|
## Arsitektur Model |
|
|
|
|
|
Model ini dibangun menggunakan TensorFlow dan Keras. Arsitektur model ini adalah Convolutional Neural Network (CNN) yang terdiri dari beberapa lapisan konvolusi, lapisan pooling, dan lapisan fully connected. |
|
|
|
|
|
## Dataset |
|
|
|
|
|
Model ini dilatih menggunakan dataset CIFAR-10, yang terdiri dari 60,000 gambar berwarna berukuran 32x32 piksel dalam 10 kelas, dengan 6,000 gambar per kelas. Dataset ini terbagi menjadi 50,000 gambar untuk pelatihan dan 10,000 gambar untuk pengujian. |
|
|
|
|
|
## Metrik Evaluasi |
|
|
|
|
|
Model ini dievaluasi menggunakan metrik akurasi. Berikut adalah hasil evaluasi model: |
|
|
|
|
|
- **Akurasi Pelatihan:** 95% |
|
|
- **Akurasi Pengujian:** 90% |
|
|
|
|
|
## Penggunaan |
|
|
|
|
|
Anda dapat menggunakan model ini untuk mengklasifikasikan gambar ke dalam salah satu dari 10 kelas yang didukung. Berikut adalah contoh kode untuk memuat dan menggunakan model ini: |
|
|
|
|
|
```python |
|
|
from transformers import TFAutoModel |
|
|
import tensorflow as tf |
|
|
import numpy as np |
|
|
from tensorflow.keras.preprocessing import image |
|
|
|
|
|
# Memuat model |
|
|
model = TFAutoModel.from_pretrained("username/nama_model_anda") |
|
|
|
|
|
# Fungsi untuk memuat dan memproses gambar |
|
|
def load_and_preprocess_image(img_path, target_size=(32, 32)): |
|
|
img = image.load_img(img_path, target_size=target_size) |
|
|
img_array = image.img_to_array(img) |
|
|
img_array = np.expand_dims(img_array, axis=0) |
|
|
img_array = img_array / 255.0 # Normalisasi gambar |
|
|
return img_array |
|
|
|
|
|
# Fungsi untuk melakukan inferensi |
|
|
def predict_image(model, img_path): |
|
|
img_array = load_and_preprocess_image(img_path) |
|
|
predictions = model.predict(img_array) |
|
|
predicted_class = np.argmax(predictions, axis=1)[0] |
|
|
confidence = np.max(predictions) * 100 |
|
|
return predicted_class, confidence |
|
|
|
|
|
# Contoh penggunaan |
|
|
img_path = 'path_to_your_image.jpg' # Ganti dengan path gambar Anda |
|
|
predicted_class, confidence = predict_image(model, img_path) |
|
|
print(f"Predicted class: {predicted_class}, Confidence: {confidence:.2f}%") |
