Instalasi Library Keras untuk Deep Learning

Pas pertama kali belajar implementasiin deep learning, bakalan susah kalau langsung pakai TensorFlow/Theano, apalagi kalau pengalaman programming-nya masih cetek seperti ini. At least itu sih yang dulu saya rasakan. Jadi biar bisa langsung masuk akhirnya saya memutuskan untuk pakai high-level python deep learning API buatan mas François Chollet yang berjalan diatas backend TensorFlow ataupun Theano : Keras.

Keras memudahkan kita untuk dapat membangun dan melatih model deep learning dengan cepat. Dengan demikian, penggunanya bisa melakukan eksperimen-eksperimen untuk model deep learning nya dengan lebih cepat.

Being able to go from idea to result with the least possible delay is key to doing good research.

Keras mendukung berbagai model deep learning seperti Convolutional Neural Network (CNN, ConvNet), Recurrent Neural Network (ada modul LSTM dan GRU), maupun model Multilayer Perceptron yang lebih sederhana. Untuk masalah pelatihannya juga sudah menggunakan algoritma-algoritma pengembangan SGD seperti RMSPROP, Adadelta, dan juga Adam.

Keras juga mendukung penggunaan GPU untuk komputasi, sehingga pelatihan dapat dilakukan dengan lebih cepat.

Instalasi Keras (Windows)

Ikuti langkah berikut untuk menginstall keras.

  1. Pastikan python sudah terinstall, buat lebih nyamannya mending download dan install Anaconda.
  2. Buka command line sebagai Administrator (search ‘cmd’ di start, klik kanan, run as administrator)
  3. Tulis pip install keras

 

Setelah peritnah tersebut dieksekusi, pip akan mendownload keras beserta dependency yang dibutuhkannya. By default dia akan menggunakan backend Theano.

 

GPU Accelerated Keras

Pelatihan deep learning menggunakan GPU jauh lebih dibandingkan menggunakan CPU. Pengalaman saya sendiri, untuk melatih suatu model ConvNet sederhana, pelatihan menggunakan GPU (NVIDIA GeForce GT 740M) bisa sampai 10x lebih cepat dibandingkan menggunakan CPU (Intel Core i5-4300M). Untuk mengaktifkan pelatihan menggunaan GPU, ikuti langkah berikut.

  1. Install Visual Studio 2013. Setelah terinstall,
  2. Masuk ke System → Advanced system settings → Environment Variables → Path, lalu tambahkan C:\Program Files (x86)\Microsoft Visual Studio 12.0\VC\bin ke windows path.
  3. Download CUDA Toolkit disini.
  4. Download dan Install TDM-GCC compiler.
  5. Install cuDNN. (Opsional, tapi bisa bikin makin cepet lagi)
  6. Setelah semuanya terinstall, cari file .theanorc.txt di home folder  user saat ini, dan isikan dengan :

     

Setelah semuanya selesai, bisa langsung ditest apakah GPU sudah bisa digunakan untuk melakukan komputasi dari Theano dan keras.

Test GPU menggunakan Theano

Test GPU menggunakan Keras

 

Whoho, beres deh. Di postingan selanjutnya, saya bakal coba sharing model-model sederhana yang bisa dipakai untuk belajar implementasi deep learning menggunakan keras.  Kalau masih ada masalah silahkan drop aja komentar di bawah ini untuk mulai diskusi.

 

Danke, tschuss!

Leave a Reply

Your email address will not be published. Required fields are marked *