”Membangun Generatif Adversarial Network Dengan Dua Dataset ”
Generatif Adversarial Network atau GAN merupakan sebuah model machine
learning generatif yang dapat membuat sebuah instance baru dalam bentuk suara, gambar, ataupun video. Berikut ini adalah langkah-langkah untuk membangun GAN dengan dua dataset yang berbeda yaitu CIFAR10 dan MNIST.
1. Import Library
2. Mendifinisikan Beberapa Variabel
Langkah ini membutuhkan beberapa variabel, variabel tersebut yaitu ukuran output gambar dari GAN, channel warnanya dan latent_dim. algoritma yang digunakan yaitu stochastic gradient atau yang lebih dikenal dengan adam dengan learning rate = 0,0002. 3. Membentuk Generator Generator adalah bagian dari GAN yang bertugas untuk belajar membuat data palsu dengan memasukkan umpan balik dari diskriminator. Generator belajar membuat diskriminator mengklasifikasikan outputnya sebagai yang sebenarnya atau nyata. 4. Mendefinisikan Discriminator Hal pertama yang dilakukan yaitu membuat fungsi dengan nama buid_discriminator dengan modelnya yaitu sequential, kemudian mendefinsikan model yang dibangun dengan model dense sehingga parameter pada masing- masing layer dapat diatur sesuai keinginan. Input shape disesuaikan dengan variabel img_shape yang sudah didefinsikan ditahap sebelumnya. 5. Menghubungkan Discriminator dan Generator untuk membentuk GAN Pada langkah ini loss function yang digunakan yaitu binary_crossentropy dan optimizernya yaitu stochastic gradient atau adam.