KOMPRESI MODEL DEEP NEURAL NETWORK UNTUK KLASIFIKASI GAMBAR
Daftar Isi:
- Artificial Intelligence telah banyak digunakan dan di implementasikan pada kehidupan sehari-hari. Salah satu arsitektur yang banyak digunakan untuk Artificial Inteligence adalah CNN (Convolutional neural network), semakin rumit kasus yang di kerjakan oleh CNN maka semakin banyak juga parameter yang dimiliki CNN tersebut. Dengan besarnya ukuran CNN maka di perlukan metode untuk mengurangi ukuran CNN tersebut tanpa mengurangi akurasinya secara signifikan sehingga akan menghemat resource saat di implementasikan pada sistem tertentu. Pruning adalah penerapan kriteria biner untuk menentukan bobot yang harus di pangkas, bobot yang cocok untuk kriteria pemangkasan di beri nilai nol. Sedangkan quantization adalah teknik untuk mengurangi jumlah bits yang merepresentasikan sebuah angka. Metode kompresi ini dibuat menggunakan bahasa pemrograman python dan menggunakan data gambar sebagai input untuk training dan testing model CNN yang akan di kompres. Dari hasil implementasi yang dilakukan dalam penelitian ini didapatkan kesimpulan bahwa metode pruning dan quantization dapat mengurangi ukuran model CNN secara signifikan dengan pengurangan akurasi relative kecil untuk uji coba pada dataset kecil yaitu 1000 gambar anjing dan 1000 gambar kucing untuk training dan 400 gambar anjing serta 400 gambar kucing untuk data validasi. Kata kunci : Convolutional Neural Network, Pruning, Python, Quantization.