Assalamualaikum warahmatullahi wabarakatuh. Halo, selamat datang dalam praktikum unggulan Universitas Gunaderma. Tema praktikum Anda pada kali ini adalah mengenai GAN atau Generative Adversarial Network.
Saya Asti Dharma Yanti, Instruktural. Anda pada hari ini. Sebelum kita membahas mengenai pemanfaatan GAN, Anda perlu terlebih dahulu memahami apa yang dimaksud dengan generatif adversarial network atau GAN. Kata generatif pada GAN menggambarkan sebuah kelas model yang memiliki makna bertolak belakang dengan makna model diskriminatif.
Secara informal, model generatif dapat menghasilkan instance dan model diskriminatif kita gunakan untuk membedakan antara data asli dengan jenis data contoh. Dengan menggunakan model jenis generatif, kita dapat menghasilkan foto hewan baru yang terlihat seperti hewan asli. Sedangkan dengan model diskriminatif, kita dapat membedakan antara objek anjing dari kucing. GAN hanyalah salah satu contoh penerapan dari model generatif. Peringan GAN adalah inovasi terbaru dari pembelajaran mesin atau machine learning.
Seperti yang kita ketahui bahwa GAN termasuk adalah model generatif di mana algoritma ini akan menghasilkan sebuah instance atau objek baru yang menyerupai data pelatihan yang kita berikan. Misalnya, Gan dapat membuat sebuah gambar yang terlihat seperti foto wajah manusia, meskipun wajah tersebut bukan milik orang sungguhan. Berikut adalah contoh gambar yang dihasilkan oleh algoritma Gan. Gan dapat menghasilkan gambar yang realistis dengan memanfaatkan dua komponen.
Yang pertama adalah komponen generator yang bertugas untuk belajar menghasilkan output sesuai dengan data yang diberikan. Dan discriminator yang bertugas untuk belajar menghasilkan output sesuai dengan data yang diberikan. membedakan mana data yang sebenarnya dengan data yang dihasilkan oleh generator. Mudahnya, generator akan mencoba membodohi diskriminator dan diskriminator akan berusaha untuk tidak tertipu oleh hasil generator. Dan dihasilkan oleh generator akan dijadikan data pelatihan negatif yang digunakan oleh jaringan diskriminator.
Jaringan Discriminator akan belajar membedakan mana data palsu, hasil generator, dan data asli. Discriminator akan memberikan penalti pada algoritma generator karena menghasilkan hasil yang tidak sesuai dengan data aslinya. Untuk lebih mudahnya, kita dapat melihat ilustrasi berikut.
Diberikan data sebelah kanan, yaitu dolar Amerika sebagai contoh gambar yang harus dibuat. Kemudian, algoritma atau jaringan. Generator akan mencoba membentuk gambar sesuai dengan data input yang diberikan. Dan bahan ini adalah dolar Amerika.
Dia akan terus mencoba. Dan diskriminator bertugas untuk membandingkan hasil yang dihasilkan atau gambar yang dihasilkan oleh generator dengan data aslinya. Dan akan berhenti berlatih ketika generator sudah mampu menghasilkan output yang mirip dengan objek asli yang diberikan. Data pelatihan Discriminator berasal dari dua sumber, yaitu data asli seperti data orang dan data hasil generator. Discriminator menggunakan contoh-contoh ini sebagai contoh positif selama pelatihan.
Discriminator menggunakan contoh-contoh data asli. Diskriminator menggunakan contoh-contoh data asli sebagai contoh positif selama pelatihan, dan instance data palsu yang dibuat oleh generator digunakan sebagai contoh negatif. Diskriminator terhubung kepada dua loss function.
Selama pelatihan, diskriminator akan mengabaikan nilai loss dari generator dan hanya menggunakan nilai loss dari diskriminator. Sedangkan nilai loss generator akan digunakan selama pelatihan atau training model atau jaringan yang digunakan sebagai generator. Kemudian bagian generator akan belajar membuat data palsu untuk digunakan kembali oleh discriminator.
Ia akan belajar membuat discriminator mengklasifikasikan output sebagai objek asli. Untuk melatih jaringan syaraf, kita akan mengubah bobot jaringan untuk mengurangi kesalahan atau loss. atau nilai loss pada model yang dibawa.
Tiga, generator tidak terhubung langsung dengan nilai loss yang coba kita atur. Generator masuk ke dalam jaringan diskriminator, dan diskriminator akan menghasilkan output yang coba kita pengaruhi. Nilai loss dari komponen generator akan memberikan nilai penalty kepada generator karena menghasilkan sampel yang digunakan oleh jaringan.
Karena menghasilkan sampel yang berhasil diklasifikasikan sebagai palsu oleh generator. Siklus ini terus berjalan sampai akhirnya baik jaringan generator maupun jaringan diskriminator mendapatkan nilai bobot yang pas, yang sesuai, sehingga generator maupun diskriminator, sehingga generator mampu menghasilkan gambar yang sesuai atau yang mirip dengan. Data contoh atau data asli yang diberikan kepada ayam. Demikian sekilas materi pengantar mengenai gun.
Selanjutnya, pada praktikum ini, Anda akan mencoba membuat sebuah model gun pertama Anda dengan menggunakan mesin DGX. Selamat mengikuti praktikum. Discriminator menggunakan contoh-contoh data asli sebagai contoh positif selama pelatihan, dan instance data palsu yang dibuat oleh generator digunakan sebagai contoh negatif.
Discriminator terhubung kepada dua loss function. Selama pelatihan, discriminator akan mengabaikan nilai loss dari generator, dan hanya menggunakan nilai loss dari discriminator. Sedangkan nilai loss generator akan digunakan selama pelatihan atau training model atau jaringan yang digunakan sebagai generator.
Kemudian bagian generator akan belajar membuat yang akan kembali oleh discriminator. Ia akan belajar membuat discriminator mengklasifikasikan output sebagai objek asli. Untuk melatih jaringan syaraf, kita akan mengubah bobot jaringan untuk mengurangi kesalahan atau loss pada model yang diperlukan.
Di GAN, generator tidak terhubung langsung dengan nilai loss yang coba kita atur. Generator masuk ke dalam jaringan diskriminator, dan diskriminator akan menghasilkan output yang coba kita pengaruhi. Siklus ini terus berjalan sampai akhirnya baik jaringan generator maupun jaringan diskriminator mendapatkan nilai bobot yang pas, yang sesuai, sehingga generator mampu menghasilkan gambar yang sesuai atau yang mirip dengan data contoh atau data asli yang diberikan kepada. Demikian sekilas materi pengantar mengenai gun.
Selanjutnya pada praktikum ini Anda akan mencoba membuat sebuah model gun pertama Anda dengan menggunakan mesin DGX. Selamat mengikuti praktikum. Wabila hitafiq wa hidayah, wassalamualaikum warahmatullahi wabarakatuh.