Part 20: Model Management

Save, Load, dan ONNX

1. Format File (Ekstensi)

Setelah training berjam-jam, kita harus menyimpan "otak" model ke dalam file.

.h5 / .keras

Format standar TensorFlow/Keras. Menyimpan arsitektur + bobot + optimizer state.

.pt / .pth

Format standar PyTorch. Biasanya hanya menyimpan state_dict (kamus bobot).

.onnx

Open Neural Network Exchange. Format universal agar model PyTorch bisa jalan di C++, C#, atau Web.

2. Cara Save & Load

TensorFlow
# Save
model.save('model_ku.keras')

# Load
new_model = tf.keras.models
              .load_model('model_ku.keras')
PyTorch
# Save
torch.save(model.state_dict(), 'model.pth')

# Load
model = MyModel()
model.load_state_dict(torch.load('model.pth'))
model.eval()  # Penting!

3. Model Versioning

Jangan pernah menimpa file model lama dengan nama yang sama!

Gunakan format nama yang jelas:

  • model_v1_acc85.h5 (Versi 1, Akurasi 85%)
  • model_v2_acc88.h5 (Versi 2, Akurasi 88%)
  • model_v2_quantized.h5 (Versi 2, dikompresi)

Model Sudah Disimpan. Sekarang Apa?

Model yang disimpan cuma file mati. Kita harus menghidupkannya menjadi Web Service (API) agar bisa dipakai oleh aplikasi Android/Web. Inilah tahap terakhir: Deployment.

Lanjut ke Part 21 (Final): Basic Deployment
Part 19: Transfer Learning Lanjut ke Part 21 (Final): Deployment