Setelah sebelumnya kita telah mempelajari mengenai linear algebra dan tensor, pada tutorial kali ini saya akan berbagi informasi dan tutorial mengenai library python yang paling banyak digunakan untuk keperluan machine learning menggunakan beberapa library yang sangat efisien dan mantap untuk menghitung sclalar, tensor, matrice dan lain sebagainya. 

Nah pada artikel ini akan sedikit saya jelaskan mengenai Numpy, TensorFlow dan Pytorch.

Baca Juga :
 
#2 Tutorial Machine Learning Pengenalan Numpy, TensorFlow dan Pytorch

 


Apa Itu Nummpy Dan Kegunaannya?

Sesuai halaman resmi nya, NumPy merupakan package/library untuk komputasi ilmiah (scientific computing) untuk pemrograman Python. Kegunaan NumPy diantaranya adalah:

  1.     Membangun data array multidimensi (N-dimensional) yang powerful.
  2.     Alat untuk mengintegrasikan kode C/C++ dan Fortran.
  3.     Berkemampuan dalam menangani masalah komputasi aljabar linier, transformasi fourier dan bilangan acak.


Apa Itu TensorFlow Dan Kegunaannya?

TensorFlow is a free and open-source software library for machine learning. It can be used across a range of tasks but has a particular focus on training and inference of deep neural networks.

Tensorflow is a symbolic math library based on dataflow and differentiable programming. It is used for both research and production at Google.[

TensorFlow was developed by the Google Brain team for internal Google use. It was released under the Apache License 2.0 in 2015.


Apa itu Pytorch Dan Kegunaannya?.

PyTorch adalah pustaka pembelajaran mesin sumber terbuka berdasarkan pustaka Torch, digunakan untuk aplikasi seperti visi komputer dan pemrosesan bahasa alami, terutama dikembangkan oleh lab AI Research (FAIR) Facebook. Ini adalah perangkat lunak gratis dan sumber terbuka yang dirilis di bawah Modifikasi BSD lisensi. Meskipun antarmuka Python lebih halus dan fokus utama pengembangan, PyTorch juga memiliki antarmuka C ++.

Sejumlah perangkat lunak Deep Learning dibangun di atas PyTorch, termasuk Tesla Autopilot, Uber's Pyro, HuggingFace's Transformers, [13] PyTorch Lightning, dan Catalyst.

PyTorch menyediakan dua fitur tingkat tinggi:

  1.  Komputasi sensor (seperti NumPy) dengan akselerasi yang kuat melalui unit pemrosesan grafis (GPU)
  2. Jaringan neural dalam dibangun di atas sistem diferensiasi otomatis berbasis pita

 

Kesimpulan?

Untuk pemrosesan tensor dan matrice kamu bisa menggunakan salah satu antara Tensorflow dari google atau Pytorch dari Facebook. Masing-masing memiliki kelebihannya sendiri dimana Tensorflow output lebih detail dan Pytorch output lebih simpel dan mudah untuk di baca.

Sekian pada tutorial selanjutnya kita akan langsung coding menggunakan Google Colabs agar misal kamu memiliki spesifikasi laptop yang rendah kamu masih bisa mengikuti tutorial ini, dan menggunakan google colabs lebih simple dan efisien menurut saya.
 
Baca Juga :