Belajar TensorFlow.Js

TensorFlowJs ini merupakan tool JavaScript library yang dikembangkan oleh Google dan diperkenal sebagai open-source pada 2015, tool ini digunakan untuk training dan penggunaan machine learning (ML) model di browser. Merupakan library tambahan untuk TensorFlow yang merupakan ML library untuk phyton.

Machine Learning ini mengacu pada Artificial Intelligence sebagai algoritma yang memungkinkan komputer untuk melakukan tugas tertentu tanpa instruksi spesifik. Serupa dengan “supervised learning” yang bekerja dengan menciptakan “model” mirip dengan model matematika dengan input dan output, kemudian menerima sekumpulan training data dengan input dan output aktual dan “trains” dirinya sendiri dengan mengubah parameter model untuk meminimalkan jumlah kesalahan (error) model. Dengan kata lain program akan mengubah model untuk mencoba outputnya aga sesuai dengan yang diinginkan “actual” output.

Kelebihan dari TensorFlowJs ini adalah

• Speed : TensorFlowJs memiliki fitur hardware-accelarated dikarenakan menggunakan WebGL (sebuah JavaScript graphics API dimana membuat browser dapat menampilkan akselarasi grafis 3D tanpa memasang perangkat tambahan)
• Load Existing Model : memuat model pretrained yang berarti dapat menggunakan library ini dan mengikutsertakan klasifikasi gambar dan pose detection di website tanpa harus train modelnya sendiri, dapat mula kita meload trained model di TensorFlow versi Phyton.

Pembuatan TensorFlow.js berarti Anda dapat membuat dan menjalankan model AI dalam dokumen HTML statis (selama Browsernya support JavaScript (lebih baik WebGL).

Beberapa use case penggunaan TensorFlow.Js ini adalah

• Membuat gambar abstrak

referensinya dapat dilihat di link berikut: link 1 & link 2

• Menduplikasi gambar berdasarkan gambar asli

refrensinya dari link berikut : link blog

• Membuat game

referensi nya dari link berikut : link gamed

• Merekomendasikan konten

Konten yang direkomendasikan AI cukup populer dan hampir digunakan disemua media platform. Dengan TensorFlowJs, rekomendasi konten dapat di handle di client-side.

• Mengenali suara dan merubahnya menjadi text

Mengenali phrase suara kemudian menuliskan suara yang dikenali sesuai data yang ada.

• Mengenali segmentasi badan

Mengestimasi dan merender orang dan bagian dari segmentasi tubuhnya dalam fps tertentu.

Singkatnya, ini merupakan teknik grouping pixel dalam semantic areas tertentu untuk menemukan objek dan batasan.

• Mendeteksi object secara realtime dalam Browser

Percobaan yang dilakukan oleh Nick Bourdakos ini mendeteksi jenis soda ( Soda Detection : 3 Label ~ 150 Images), mendeteksi label soda ketika botolnya lebih mirip (Soda Detection Complex : 5 Label ~ 180 Images), mengenali wajah mirip atau tidaknya (Recognize Match + Face Detection : 2 Model), mengenali pola dari emoticon (Emoji Detection : 7 Label ~ 200 Images).

Kedepannya TensorFlowJs sedang mengembangkan Backend untuk pemasangan web, seperti dalam link berikut.

Terdapat beberapa tool serupa dengan TensorflowJs yakni : NodeJs versi TensorFlow : tfjs-node yang serupa dengan TensorflowJs ini, BrainJs and CoveNetJs.

Referensi :

• https://blog.logrocket.com/tensorflow-js-an-intro-and-analysis-with-use-cases-8e1f9a973183/
• https://inixindojogja.co.id/tensorflow-js-untuk-deteksi-wajah-tutorial-1/
• https://medium.com/tensorflow/introducing-bodypix-real-time-person-segmentation-in-the-browser-with-tensorflow-js-f1948126c2a0
• https://www.youtube.com/watch?v=oH_deRnqaC8