Nama : Yolenta Alfrida More

Kelas : 4IA21
NPM : 51420357

”Training (GAN) ”

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 melakukan training pada dua
komponen GAN. 1. Import Library
Mengimport library-library yang dibutuhkan contohnya yaitu mnist.

Mendefinisikan 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 adam dengan learning rate = 0,0001.

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.

Mendefinisikan Discriminator
Hal pertama yang dilakukan yaitu membuat fungsi dengan nama buid_discriminator
dengan modelnya yaitu sequential, kemudian mendefinisikan model yang dibangun dengan
model dense sehingga parameter pada masing- masing layer dapat diatur sesuai keinginan.
Menghubungkan Discriminator dan Generator untuk membentuk GAN
Pada langkah ini loss function yang digunakan yaitu binary_crossentropy dan
optimizernya yaitu stochastic gradient atau adam.

Membuat Keluaran Gambar

Pada langkah ini fungsi yang digunakan yaitu matpolib, glob, imageio, dan
PIL. Berikut adalah kodingan keluaran gambar yang sudah dibuat.

Training Generatif Adversarial Network (GAN)

Pada langkah ini training dua komponen tersebut akan dilakukan sampai batas
maksimal yang kita tentukan. Misal saya menentukan batas maksimal trainingnya yaitu
30000 maka training akan berhenti di 29999.
Membuat GIF
Langkah selanjutnya dan terakhir yaitu membuat GIF setelah melakukan training pada
dua komponen yang terdapat pada Generatif Adversarial Network atau GAN. Berikut adalah
kodingan dari membuat GIF.