Belajar PyTorch Pemula: Membangun Model Deep Learning Pertamamu untuk Klasifikasi Citra

PyTorch adalah framework Deep Learning open-source yang paling banyak digunakan di dunia akademis dan riset industri AI global (termasuk oleh OpenAI dan Meta). Kemampuannya dalam membuat komputasi grafik dinamis membuatnya sangat intuitif untuk dipelajari.

1. Mengenal Tensor dan Autograd di PyTorch

Struktur data dasar dalam PyTorch disebut Tensor, yang menyerupai array multi-dimensi NumPy namun dengan keunggulan dapat dijalankan di atas GPU (Graphics Processing Unit) untuk akselerasi ribuan kali lebih cepat. Fitur Autograd secara otomatis menghitung turunan parsial (gradients) selama proses backpropagation.

2. Latihan Praktik: Membuat Neural Network 2-Layer

Kita akan membuat jaringan saraf tiruan (neural network) sederhana untuk klasifikasi biner menggunakan modul torch.nn.

3. Contoh Kode: Implementasi PyTorch Neural Network

import torch
import torch.nn as nn
import torch.optim as optim

# 1. Definisikan arsitektur jaringan saraf sederhana
class SimpleNN(nn.Module):
    def __init__(self):
        super(SimpleNN, self).__init__()
        self.fc1 = nn.Linear(4, 8)   # Input 4 fitur -> 8 hidden neurons
        self.relu = nn.ReLU()
        self.fc2 = nn.Linear(8, 1)   # 8 hidden -> 1 output neuron
        self.sigmoid = nn.Sigmoid()

    def forward(self, x):
        x = self.fc1(x)
        x = self.relu(x)
        x = self.fc2(x)
        return self.sigmoid(x)

# 2. Inisialisasi model dan data contoh
model = SimpleNN()
input_data = torch.randn(5, 4)  # 5 sampel, masing-masing 4 fitur
output = model(input_data)

print("=== OUTPUT PREDIKSI NEURAL NETWORK ===")
print(output)

4. Acuan & Referensi GitHub Resmi

• PyTorch Official Repository: https://github.com/pytorch/pytorch
• PyTorch Tutorials: https://github.com/pytorch/tutorials