CategoriesLinux

Cara kompresi dan ekstrak file .tar.bz2

Di artikel sebelumnya saya membahas tentang cara kompresi dan ektstrak file gzip (.tar.gz). Kali ini saya akan membahas hal serupa namun dengan berbeda jenis kompresi, yaitu bzip2. Ada beberapa ekstensi file yang umum digunakan oleh bzip2, yaitu .tar.bz2, .tar.bz, .tar.tb.

Keuntungan kompresi bzip2 adalah ukuran kompresi yang lebih kecil bila dibandingkan dengan gzip, namun dengan konsekuensi waktu kompresi dan ekstrak yang lebih lama.

Cara kompresi dan ekstrak file gzip dan bzip2 sangatlah mirip, perbedaannya hanyalah terletak pada parameter -z untuk gzip dan -j untuk bzip2.

Artikel singkat berikut akan membahas cara kompresi dan ekstrak file tersebut.

Kompresi file

Kompresi satu directory

Perintah untuk melakukan kompresi satu directory secara recursive ke dalam satu file .tar.bz2 adalah

$ tar -cjf nama-file.tar.bz2 /path/ke/directory-target

Gambar 1 berikut menjelaskan fungsi dari masing-masing parameter.

Gambar 1. Penjelasan parameter (sumber: explainshell.com)

Kompresi beberapa directory

Perintah untuk melakukan kompresi beberapa directory sekaligus sangat mirip dengan perintah sebelumnya, cukup menambahkan beberapa directory path target di akhir parameter, misalnya

$ tar -cjf nama-file.tar.bz2 /path/target1/ /path/target2/

Kompresi dengan pengecualian

Kita bisa melakukan kompresi satu directory dengan menambahkan pengecualian, misalnya tidak menyertakan file .mp4 dengan perintah:

$ tar -cjf nama-file.tar.bz2 /path/ke/directory-target --exclude=*.mp4

Gambar 2 berikut menjelaskan fungsi dari masing-masing parameter.

Gambar 2. Penjelasan parameter (sumber: explainshell.com)

Ekstrak file

Ekstrak ke current directory

Untuk melakukan ekstrak file ke dalam dalam current directory, gunakan perintah:

$ tar -xjf nama-file.tar.bz2

Gambar 3 berikut menjelaskan fungsi dari masing-masing parameter.

Gambar 3. Penjelasan parameter (sumber: explainshell.com)

Ekstrak ke directory tertentu

Untuk melakukan ekstrak file ke dalam dalam directory tertentu, tambahkan parameter -C, misalnya:

$ tar -xjf nama-file.tar.bz2 -C /path/directory-tujuan

Gambar 4 berikut menjelaskan fungsi dari masing-masing parameter.

Gambar 4. Penjelasan parameter (sumber: explainshell.com)

Semoga artikel ini dapat membantu.

CategoriesLinux

Cara kompresi dan ekstrak file .tar.gz

File .tar.gz adalah bentuk kompresi file yang sangat sering dijumpai di Linux. Artikel singkat berikut akan membahas cara kompresi dan ekstrak file tersebut.

Kompresi file

Kompresi satu directory

Perintah untuk melakukan kompresi satu directory secara recursive ke dalam satu file .tar.gz adalah

$ tar -czf nama-file.tar.gz /path/ke/directory-target

Gambar 1 berikut menjelaskan fungsi dari masing-masing parameter.

Gambar 1. Penjelasan parameter (sumber: explainshell.com)

Kompresi beberapa directory

Perintah untuk melakukan kompresi beberapa directory sekaligus sangat mirip dengan perintah sebelumnya, cukup menambahkan beberapa directory path target di akhir parameter, misalnya

$ tar -czf nama-file.tar.gz /path/target1/ /path/target2/

Kompresi dengan pengecualian

Kita bisa melakukan kompresi satu directory dengan menambahkan pengecualian, misalnya tidak menyertakan file .mp4 dengan perintah:

$ tar -czf nama-file.tar.gz /path/ke/directory-target --exclude=*.mp4

Gambar 2 berikut menjelaskan fungsi dari masing-masing parameter.

Gambar 2. Penjelasan parameter (sumber: explainshell.com)

Ekstrak file

Ekstrak ke current directory

Untuk melakukan ekstrak file ke dalam dalam current directory, gunakan perintah:

$ tar -xzf nama-file.tar.gz

Gambar 3 berikut menjelaskan fungsi dari masing-masing parameter.

Gambar 3. Penjelasan parameter (sumber: explainshell.com)

Ekstrak ke directory tertentu

Untuk melakukan ekstrak file ke dalam dalam directory tertentu, tambahkan parameter -C, misalnya:

$ tar -xzf nama-file.tar.gz -C /path/directory-tujuan

Gambar 4 berikut menjelaskan fungsi dari masing-masing parameter.

Gambar 4. Penjelasan parameter (sumber: explainshell.com)

Semoga artikel ini dapat membantu.

CategoriesInternet

SnapPass – Mengirimkan Password Secara Aman Di Internet

Saat ini, hampir mustahil kita sanggup mengingat-ingat seluruh password yang kita gunakan karena sangat banyaknya aplikasi yang kita gunakan. Menggunakan satu password untuk semua aplikasi tentunya sangat tidak aman, karena bila data password tersebut tercuri dan tersebar di dark web seperti yang dialami oleh aplikasi Zoom, maka kita harus mengganti semua password kita di aplikasi lainnya bila tidak ingin akun kita diambil alih orang lain.

Password Manager

Sebagai solusinya saat ini telah banyak tersedia aplikasi password manager yang dapat digunakan untuk menyimpan password anda secara aman. Enkripsi yang digunakan dalam aplikasi password manager menjamin data yang kita simpan di dalamnya aman dan tidak dapat dibaca orang lain tanpa master password. Kita cukup mengingat satu master password yang sangat kuat untuk mengamankan seluruh password yang ada dalam aplikasi password manager.

Ada banyak aplikasi password manager, mulai dari versi open source hingga cloud based. Contoh aplikasi password manager versi open source adalah:

Kedua aplikasi tersebut menyimpan data dalam format dan ekstensi yang sama (.kdbx) sehingga compatible antara satu dengan yang lain. Adapun contoh aplikasi password manager versi cloud based adalah:

Tapi saya pribadi memilih menggunakan KeePass karena file yang berisi password tersebut disimpan di hard disk komputer saya sendiri, tidak “dititipkan” di server aplikasi password manager seperti LassPass atau Dashlane.

Tiap jenis aplikasi password manager tersebut memiliki kelebihan dan kekurangan masing-masing, silahkan dipilih sesuai dengan kebutuhan Anda.

Bagaimana Cara Mengirimkan Password Yang Aman?

Nah sekarang masuk ke pertanyaan utama kita, ketika kita bekerja dalam satu tim, bagaimana cara yang aman untuk mengirimkan password ke rekan satu tim kita?

Melalui e-mail? Tidak aman karena pengiriman e-mail belum tentu aman (dikirimkan tanpa enkripsi) dan data email tersimpan di sever tanpa enkripsi sehingga bisa dibaca oleh pengelola e-mail server atau NSA (kalau Anda orang penting).

Melalui aplikasi chatting? Meragukan karena pengiriman via aplikasi chatting belum tentu aman dan data chatting tersimpan di sever yang mungkin saja tanpa enkripsi.

Bisa saja kita mengirimkan file .kdbx melalui e-mail atau aplikasi chatting, tapi bagaimana mengirimkan master passwordnya?

Mungkin kita bisa aja melakukan enkripsi e-mail, namun bagaimana kalau e-mail rekan kita tersebut tidak mendukung enkripsi e-mail?

Alternatif lain adalah mengirimkan via aplikasi chatting yang menurut klaim developer-nya telah mendukung end-to-end encryption, WhatsApp misalnya. Tapi bagaimana kalau rekan kita tidak memiliki WhatsApp? Atau kita salah kirim password ke WhatsApp group yang salah (seperti kebodohan yang saya lakukan dahulu)?

Kita perlu sebuah cara pengiriman yang bisa diakses semua jenis device, mulai dari desktop atau mobile, serta praktis digunakan. Sepertinya solusi yang paling sederhana adalah melalui protokol HTTPS. Tapi bagaimana implementasinya?

SnapPass

Gambar 1. Tampilan SnapPass

Setelah membaca beberapa referensi, banyak yang merekomendasikan penggunaan SnappPass. SnappPass adalah aplikasi open source dikembangkan oleh developer Pinterest. Prinsip kerja dari SnappPass sangat sederhana:

  1. Simpan pesan atau password di server dalam keadaan terenkripsi.
  2. Generate sebuah key untuk membuka enkripsi data tersebut dalam bentuk sebuah URL.
  3. Bila URL tersebut diakses, maka pesan rahasia tersebut akan ditampilkan dan dihapus dari server.

Yang perlu kita lakukan hanyalah membagikan URL tersebut ke rekan 1 tim kita via e-mail atau aplikasi chatting.

Nah sekarang akan saya jawab satu persatu pertanyaan yang terlintas di pikiran Anda.

Bagaimana kalau URL tersebut dicuri?

Ya pencuri tersebut dapat membaca pesan rahasia anda, misalnya seperti Gambar 2 ini.

Gambar 2. Pesan rahasia yang telah terbaca

Tapi tunggu dulu, itu artinya rekan satu tim Anda tidak akan menerima pesan tersebut. Ketika dia membuka URL yang anda berikan, tampilan seperti Gambar 3 inilah yang dia dapatkan

Gambar 3. Pesan error ketika membuka URL yang sebelumnya telah dibuka

Ketika rekan satu tim anda akan melaporkan ke Anda bahwa dia tidak bisa membaca pesan rahasia, maka itu artinya pesan anda telah bocor sehingga yang perlu anda lakukan adalah mengganti pesan rahasia (password) yang and bagikan sebelumnya.

Bagaimana dengan keamanan pengiriman data?

Gunakan protokol HTTPS dan pastikan konfigurasi protokol HTTPS anda aman, sehingga pesan Anda kirimkan akan terenkripsi saat pengiriman data. Gunakan https://www.ssllabs.com/ssltest/analyze.html untuk menguji konfigurasi HTTPS yang Anda gunakan.

Gambar 4. Contoh hasil pengujian HTTPS yang bagus oleh SSLLabs

Bagaimana dengan keamanan data yang disimpan di server?

Dalam dokumentasi SnapPass dijelaskan bahwa

Passwords are encrypted using Fernet symmetric encryption, from the cryptography library. A random unique key is generated for each password, and is never stored; it is rather sent as part of the password link. This means that even if someone has access to the Redis store, the passwords are still safe.”

sehingga data yang (sementara) disimpan di dalam server akan aman.

Bagaimana cara instalasi SnapPass?

Instalasi SnapPass tidaklah rumit, cukup cloning repository SnapPass dari github

$ git clone https://github.com/pinterest/snappass

masuk ke dalam directory snappass

$ cd snappass

lalu jalankan snappass menggunakan Docker

$ docker-compose up -d

maka anda sudah bisa membukanya melalui web browser dan port 5000

http://localhost:5000

Namun Anda tetap memerlukan bantuan System Administrator untuk melakukan pemasangan SnapPass, karena SnapPass memerlukan Docker dan HTTPS agar berjalan dengan benar dan aman.

Selamat mencoba.

Artikel ini ditulis saat wabah Covid-19 sedang melanda dunia yang memaksa sebagian besar dari kita untuk bekerja di rumah. Semoga wabah ini dapat segera berakhir dan kehidupan menjadi lebih baik. Aamiiin…

1 Ramadhan 1441
CategoriesProgramming

Instalasi Jupyter Notebook Di Linux Tanpa User Root

Jika Anda sering menggunakan Google Colab, maka pasti sudah terbiasa menggunakan Jupyter Notebook. Jupyter Notebook adalah aplikasi web open source yang memungkinkan kita untuk membuat dan berbagi dokumen yang berisi kode program, text, visualisasi, dan komponen dokumen lainnya. Yang paling menarik adalah, kita bisa menuliskan kode program dan menjalankannya dalam dokumen yang sama.

Dalam tulisan ini, saya akan menunjukkan cara instalasi Jupyter Notebook dengan menggunakan Anaconda tanpa user root. Tujuannya nanti adalah kita bisa menggunakan Jupyter Notebook yang dapat digunakan untuk menjalankan program Python.

Instalasi Anaconda tanpa user root

Langkah pertama andalah melakukan instalasi Anaconda. Anda dapat melakukannya tanpa user root seperti yang sudah saya jelaskan pada artikel sebelumnya.

Membuat conda environments baru

Jalankan perintah berikut untuk membuat conda environments baru dengan nama jupyter.

$ conda create --name jupyter

Anda aka diminta melakukan konfirmasi proses instalasi.

Proceed ([y]/n)?

Tekan y lalu tekan ENTER untuk melakukan konfirmasi.

Preparing transaction: done
Verifying transaction: done
Executing transaction: done
#
# To activate this environment, use
#
#     $ conda activate jupyter
#
# To deactivate an active environment, use
#
#     $ conda deactivate

conda environments baru dengan nama jupyter telah berhasil dibuat. Jalankan perintah berikut untuk mengaktifkannya.

$ conda activate jupyter

Prompt dari command line anda akan berubah. Kurang lebih seperti ini

(jupyter) saya@algostudio:~$

Instalasi Jupyter Notebook

Jalankan perintah berikut ini di dalam conda environments yang telah dibuat sebelumnya.

$ conda install -c conda-forge jupyterlab

Anda aka diminta melakukan konfirmasi proses instalasi.

Proceed ([y]/n)?

Tekan y lalu tekan ENTER untuk melakukan konfirmasi.

Menjalankan Jupyter Notebook

Bila komputer Anda menggunakan GUI

Jalankan Jupyter Notebook dengan perintah

$ jupyter notebook

Tab baru akan terbuka di browser anda dengan alamat http://localhost:8888/tree dan root directory yang terbuka akan sama dengan directory tempat Anda menjalankan perintah jupyter notebook. Berikut contoh tampilan Jupyter Notebook pada browser.

Gambar 1. Contoh tampilan Jupyter Notebook

Selesai, Jupyter Notebook sudah dapat digunakan di komputer Anda. Bila ingin mematikan Jupyter Notebook, kembalilah ke command line tempat anda menjalankan perintah jupyter notebook lalu tekan Ctrl+C. Sebuah pesan konfirmasi akan muncul.

The Jupyter Notebook is running at:
http://localhost:8888/?token=a09e55951acd598fa3428da676d1fbe5678a1712506ca673
 or http://127.0.0.1:8888/?token=a09e55951acd598fa3428da676d1fbe5678a1712506ca673
Shutdown this notebook server (y/[n])?

Tekan y lalu tekan ENTER untuk melakukan konfirmasi.

Bila komputer Anda menggunakan CLI

Bila komputer anda hanya menggunakan CLI, maka Jupyter Notebook harus dibuka menggunakan komputer lain yang memiliki browser berbasis GUI. Berikut adalah langkah-langkah untuk dapat mengakses Jupyter Notebook melalui browser komputer lain

Konfigurasi Jupyter Notebook

Jalankan perintah berikut untuk melakukan generate file konfigurasi

$ jupyter notebook --generate-config

Di layar akan muncul lokasi file konfigurasi yang telah dibuat.

Writing default config to: /home/saya/.jupyter/jupyter_notebook_config.py

Bukalah file tersebut dengan text editor, lalu modifikasi baris

#c.NotebookApp.ip = 'localhost'

menjadi

c.NotebookApp.ip = '*'

lalu simpan perubahan tersebut.

Menjalankan Jupyter Notebook tanpa browser

Jalankan Jupyter Notebook dengan perintah

$ jupyter notebook --no-browser

Anda harus mengakses URL dan token yang muncul di layar CLI anda setelah menjalankan perintah perintah jupyter notebook. Contoh pesan yang muncul di layar adalah

To access the notebook, open this file in a browser:
  file:///home/dataq/.local/share/jupyter/runtime/nbserver-12801-open.html
Or copy and paste one of these URLs:
  http://thinkpad:8888/?token=c7bda8412d7e21ad9c7510a563616efb9ffcf8333da79f2c
or http://127.0.0.1:8888/?token=c7bda8412d7e21ad9c7510a563616efb9ffcf8333da79f2c

Bila IP komputer Anda dalah 192.168.56.101, maka anda dapat mengakses alamat http://192.168.56.101:8888/?token=c7bda8412d7e21ad9c7510a563616efb9ffcf8333da79f2c dari komputer lain.

Bila Anda tidak dapat membuka alamat tersebut, maka kemungkinan akses anda ditolak oleh firewall. Mintalah kepada system administrator untuk membuka port 8888 tersebut.

Menambahkan Package Baru

Ada beberapa cara menambahkan package ke dalam Jupyter Notebook Anda. Cara yang saya pilih adalah dengan menggunakan perintah conda install.

Berikut ada contoh langkah menambah package tensorflow ke dalam Jupyter Notebook yang berada di conda environments jupyter yang kita buat sebelumnya.

Bila Jupyter Notebook masih berjalan, tutup dengan menekan Crtl+C. Kemudian install tensorflow dengan perintah

$ conda install -c conda-forge tensorflow

Daftar conda package yang akan ditambahkan akan ditampilkan.

...

tensorflow         pkgs/main/linux-64::tensorflow-2.1.0-mkl_py37h80a91df_0

...

Proceed ([y]/n)?

Ketik y dan ENTER untuk melanjutkan proses instalasi. Setelah selesai, jalankan lagi Jupyter Notebook dengan perintah

$ jupyter notebook

Atau

# jupyter notebook --no-browser

Selamat mencoba mengunakan Jupyter Notebook di komputer Anda.

CategoriesProgramming

Instalasi Anaconda Di Linux Tanpa User Root

Anaconda telah menjadi platform Python standar dalam bidang Data Science. Anaconda menyediakan berbagai packages yang berkaitan dengan Data Science seperti numpy, ternsorflow, matplotlib, dll. Saya pribadi lebih menyukai menggunakan Anaconda daripada package manager Python lainnya ketika membuat program yang berkaitan dengan Data Science.

Dalam tulisan ini saya akan memandu Anda dalam melakukan instalasi Anaconda dalam sistem Operasi Linux tanpa memerlukan hak akses user root. Dalam tulisan ini saya akan menggunakan Ubuntu Linux 18.04, namun secara umum cara instalasi ini akan sama di distribusi Linux lainnya.

Tulisan ini saya buat berdasarkan panduan di dokumentasi Anaconda dengan beberapa penyesuaian.

Unduh instalasi Anaconda

Langkah pertama adalah mengunduh instalasi Anaconda Python 3.7 versi 64 Bit (x86) pada alamat berikut https://www.anaconda.com/distribution/#linux, lalu simpan di directory home anda, misal /home/saya/anaconda.

Anda bisa mengunduhnya menggunakan perintah wget, misalnya

$ mkdir /home/saya/anaconda
$ cd /home/saya/anaconda
$ wget https://repo.anaconda.com/archive/Anaconda3-2020.02-Linux-x86_64.sh

Pada contoh diatas, versi Anaconda yang saya unduh adalah 2020.02

Proses instalasi Anaconda

Jalankan perintah file instalasi tersebut. Berikut adalah contoh peirntah yang dapat anda gunakan untuk menjalankan file instalasi Anaconda versi 2020.02.

$ bash /home/saya/anaconda/Anaconda3-2020.02-Linux-x86_64.sh

Berikut ini adalah contoh tampilan awal proses instalasi. Anda akan diminta membaca license.

Welcome to Anaconda3 2020.02

In order to continue the installation process, please review the license
agreement.
Please, press ENTER to continue
>>>

Tekan ENTER

===================================
End User License Agreement - Anaconda Individual Edition
===================================

Copyright 2015-2020, Anaconda, Inc.

All rights reserved under the 3-clause BSD License:

This End User License Agreement (the "Agreement") is a legal agreement between y
ou and Anaconda, Inc. ("Anaconda") and governs your use of Anaconda Individual E
dition (which was formerly known as Anaconda Distribution).

Subject to the terms of this Agreement, Anaconda hereby grants you a non-exclusi
ve, non-transferable license to:

  * Install and use the Anaconda Individual Edition (which was formerly known as
 Anaconda Distribution),
  * Modify and create derivative works of sample source code delivered in Anacon
da Individual Edition; and
  * Redistribute code files in source (if provided to you by Anaconda as source)
 and binary forms, with or without modification subject to the requirements set 
forth below.

--More--

Tekan Q.

Do you accept the license terms? [yes|no]
[no] >>>

Ketik yes lalu tekan ENTER.

Anaconda3 will now be installed into this location:
/home/saya/anaconda3

  - Press ENTER to confirm the location
  - Press CTRL-C to abort the installation
  - Or specify a different location below

[/home/saya/anaconda3] >>>

Proses instalasi akan dilakukan ke dalam directory /home/saya/anaconda3. Tekan ENTER bila menyetujui lokasi instalasi.

. . .
Preparing transaction: done
Executing transaction: done
installation finished.
Do you wish the installer to initialize Anaconda3
by running conda init? [yes|no]
[no] >>> 

Ketik yes lalu ENTER untuk menjalankan proses conda init secara otomatis.

no change     /home/saya/anaconda3/condabin/conda
no change     /home/saya/anaconda3/bin/conda
no change     /home/saya/anaconda3/bin/conda-env
no change     /home/saya/anaconda3/bin/activate
no change     /home/saya/anaconda3/bin/deactivate
no change     /home/saya/anaconda3/etc/profile.d/conda.sh
no change     /home/saya/anaconda3/etc/fish/conf.d/conda.fish
no change     /home/saya/anaconda3/shell/condabin/Conda.psm1
no change     /home/saya/anaconda3/shell/condabin/conda-hook.ps1
no change     /home/saya/anaconda3/lib/python3.7/site-packages/xontrib/conda.xsh
no change     /home/saya/anaconda3/etc/profile.d/conda.csh
modified      /home/saya/.bashrc

==> For changes to take effect, close and re-open your current shell. <==

If you'd prefer that conda's base environment not be activated on startup, 
   set the auto_activate_base parameter to false: 

conda config --set auto_activate_base false

Thank you for installing Anaconda3!

=================================================================

Anaconda and JetBrains are working together to bring you Anaconda-powered
environments tightly integrated in the PyCharm IDE.

PyCharm for Anaconda is available at:
https://www.anaconda.com/pycharm

Proses instalasi selesai. Silahkan tutup dan buka kembali shell atau terminal yang Anda gunakan untuk melihat hasil instalasi. Berikut adalah contoh tampilan shell saya ketika saya buka kembali

(base) saya@algostudio:~$ 

(base) menandakan bahwa saat ini anda sedang menggunakan conda environments bernama base.

Membuat conda environments baru

Saya sangat menyarankan untuk membuat conda environments baru untuk program Data Science yang anda gunakan. Tujuannya adalah agar memudahkan dalam mengelola package yang kita gunakan dalam program tersebut. Karena terkadang kita memerlukan versi package yang spesifik untuk tiap program.

Berikut adalah contoh perintah untuk membuat conda environments baru bernama datascience.

$ conda create --name datascience

Berikut tampilan awal proses pembuatan conda environments.

Collecting package metadata (current_repodata.json): done
Solving environment: done

## Package Plan ##

  environment location: /home/saya/anaconda3/envs/datascience

Proceed ([y]/n)?

Tekan y untuk menyetujui pembuatan conda environment baru.

Preparing transaction: done
Verifying transaction: done
Executing transaction: done
#
# To activate this environment, use
#
#     $ conda activate datascience
#
# To deactivate an active environment, use
#
#     $ conda deactivate

conda environments baru bernama datascience telah selesai dibuat. Jalankan perintah berikut ini untuk mengaktifkan conda environments tersebut.

$ conda activate datascience

Kini tampilan shell anda akan berubah sperti ini.

(datascience) saya@algostudio:~$

Silahkan membaca dokumentasi Anaconda ini untuk penjelasan lebih lanjut.

Instalasi conda package

Anda bisa mencari conda package yang anda perlukan di https://anaconda.org/anaconda/repo. Misalnya, tensorflow dapat anda temukan di https://anaconda.org/conda-forge/tensorflow.

Untuk melakukan instalasi tensorflow Anda cukup mengaktifkan conda environments tempat tensorflow tersebut akan Anda install, misalnya

$ conda activate datascience

Kemudian jalankan perintah

$ conda install -c conda-forge tensorflow

Daftar conda package yang akan ditambahkan akan ditampilkan.

...

tensorflow         pkgs/main/linux-64::tensorflow-2.1.0-mkl_py37h80a91df_0

...

Proceed ([y]/n)?

Ketik y dan ENTER untuk melanjutkan proses instalasi. Setelah selesai, tensorflow telah siap digunakan.

Menghapus conda environments

Untuk menghapus conda environments yang sudah tidak digunakan, misalnya datascience yang kita buat sebelumnya, kembalilah ke conda environments base (atau conda environments lain selain yang anda hapus) dengan perintah:

$ conda activate base

Lalu hapus conda environments dengan perintah:

$ conda remove --name datascience --all

Anda akan diminta melakukan konfirmasi penghapusanconda environments.

Proceed ([y]/n)?

Ketik y dan ENTER untuk melanjutkan proses penghapusan.

Preparing transaction: done
Verifying transaction: done
Executing transaction: done

Proses penghapusan conda environment selesai.

Silahkan membaca dokumentasi Anaconda ini untuk penjelasan lebih lanjut.


CategoriesData Science

Perbedaan Antara categorical_crossentropy dengan sparse_categorical_crossentropy

Apa itu loss function?

Dalam konteks optimization algorithm seperti yang digunakan dalam Convolutional Neural Network (CNN), Loss function adalah fungsi yang digunakan untuk menghitung kandidat sebuah solusi, misalnya weight dalam neural network. Loss function juga sering disebut dengan istilah objective function atau optimization score function.

Loss function merupakan satu dari 3 parameter yang harus ditentukan saat pembuatan model, misalnya model untuk CNN.

model.compile(loss='categorical_crossentropy',
              optimizer='adam', 
              metrics=['accuracy'])

Apa perbedaan antara categorical_crossentropy dengan sparse_categorical_crossentropy?

categorical_crossentropy dan sparse_categorical_crossentropy sering kita lihat digunakan saat melakukan klasifikasi dengan banyak kelas (multiclass classification). Lalu apa perbedaannya?

Jawaban singkatnya adalah:

  • Jika kita menggunakan one-hot encoder dalam menyimpan label, maka gunakan categorical_crossentropy, misalnya data label anda berbentuk
[[1,0,0],
 [0,1,0],
 [0,0,1],]
  • Jika kita menggunakan integer dalam menyimpan label, maka gunakan sparse_categorical_crossentropy, misalnya data label anda berbentuk
[1,
 2,
 3,]

Saya sebelumnya telah membuat dua versi program CNN. Program yang pertama menggunakan categorical_crossentropy, yang kedua menggunakan sparse_categorical_crossentropy. Bila tertarik, silahkan membukanya tautan berikut ini:

Tulisan ini merupakan terjemahan bebas dengan sedikit modifikasi dari artikel ini.

CategoriesLinux

Menambah Kapasitas Logical Volume

Salah satu keuntungan bila kita menggunakan Logical Volume Manager (LVM) di Linux adalah kita dapat menambah ukuran Logical Volume (LV) yang telah kita buat.

Misalnya bila kita ingin menambah kapasitas LV /dev/primary_vg/home_lv sebesar 2 GB, maka perintah yang dapat kita gunakan adalah

$ sudo lvextend -L +2G /dev/primary_vg/home_lv

Kemudian jalankan perintah

$ sudo resize2fs /dev/primary_vg/home_lv

untuk me-resize file system dalam partisi tersebut.