Page 97 - Gagasan Inovasi Pendidikan Volume 1

Inspiring Lecturer Paragon

Freezing Model CNN

Model CNN yang sudah dilatih berbentuk sebuah graph yang

tersimpan dalam sekumpulan file yang terpisah, dimana pada
kumpulan file tersebut terdapat file yang berisi operasi berupa

variabel bobot untuk setiap parameter. Variabel bobot ini dibutuhkan
untuk melakukan inferensi pada pengembangan aplikasi. Maka dari

itu model harus diubah ke dalam bentuk satu file berformat protocol
buffers (protobuf/pb) yang berisi nilai-nilai bobot terlebih dahulu agar

dapat digunakan dalam pengembangan aplikasi. Pembentukan satu

file ini biasa dikenal dengan istilah model freezing, yaitu
membekukan kumpulan parameter bobot yang berupa variabel yang

bisa di-update menjadi konstanta yang nilainya tidak dapat diubah
(tidak bisa dilatih). Pembekuan model juga menghilangkan node pada

backward phase yang tidak dibutuhkan untuk proses inferensi

sehingga mengurangi ukuran dan tingkat kompleksitas dari model.
Pembekuan model dilakukan menggunakan menggunakan

fungsi dari tensorflow pada modul graph_util yang bernama
convert_variables_to_constants() dengan memasukan nama node

keluaran pada argumen dari fungsi tersebut, yaitu node dari operasi

softmax yang sudah secara eksplisit diberi nama “keluar” oleh peneliti
pada tahap perancangan model CNN. Pemberian node keluaran

tersebut ditujukan untuk mengambil bobot yang dibutuhkan untuk
proses inferensi saja, yaitu hanya sampai lapisan softmax. Node yang

digunakan pada backward phase tidak diambil sehingga mengurangi
ukuran dan tingkat kompleksitas dari model dan mempercepat proses

85