Uncategorized Archives - Laman 9 dari 16 - Ilmu Pengetahuan & Teknologi

Tips Python

Mengubah nilai suatu baris/kolom di Panda dengan syarat tertentu [ref]

df.loc[df.Weight == "155", "Name"] = "John"

Menambah kolom kosong di Panda

df.['namakolom]=""

Model Segmentasi Gambar

Model Segmentasi Gambar, atau Image Segmentation Model

Sumber: https://github.com/qubvel/segmentation_models.pytorch

Beberapa arsitektur penting:

Unet [paper] [docs]
Unet++ [paper] [docs]
MAnet [paper] [docs]
Linknet [paper] [docs]
FPN [paper] [docs]
PSPNet [paper] [docs]
PAN [paper] [docs]
DeepLabV3 [paper] [docs]
DeepLabV3+ [paper] [docs]

Instalasi YoloX di Ubuntu 20.04.3

Berikut ini proses intalasi YoloX di Ubuntu 20.04.03

Tahap pertama adalah instalasi Ubuntu 20.04.03, sesuai petunjuk di https://ubuntu.com/download/desktop

Setelah itu lakukan proses update library di Ubuntu

apt update
apt upgrade

Install anaconda, petunjuknya dapat dilihat di https://docs.anaconda.com/anacond a/install/linux/

Buat environment khusus untuk yolox

conda create -n yolox python=3.7.6
conda activate yolox

Proses berikutnya mengacu ke prosedur instalasi di https://github.com/Megvii-BaseDetection/YOLOX

Clone YOLOX

git clone https://github.com/Megvii-BaseDetection/YOLOX

Install pytorch, prosedur diadaptasi dari https://pytorch.org/get-started/locally/

conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch

Instalasi YoloX dan Pycoco

pip3 install -U pip 
pip3 install -r requirements.txt
pip3 install -v -e .
pip3 install cython
pip3 install 'git+https://github.com/cocodataset/cocoapi.git#subdirectory=PythonAPI'

Proses instalasi selesai, selanjutnya ujicoba dengan gambar demo. Untuk itu download dulu bobot untuk COCO dataset.

wget https://github.com/Megvii-BaseDetection/YOLOX/releases/download/0.1.1rc0/yolox_s.pth

Lakukan proses inferensi dengan bobot YoloX-S

python tools/demo.py image -f exps/default/yolox_s.py -c yolox_s.pth --path assets/dog.jpg --conf 0.25 --nms 0.45 --tsize 640 --save_result --device cpu

Cara lain:

python tools/demo.py image -n yolox-x                 -c yolox_x.pth --path assets/dog.jpg --conf 0.25 --nms 0.45 --tsize 640 --save_result --device cpu

Referensi

Cetak Biru Strategi Transformasi Digital Kesehatan 2024

Sumber dokumen: “Cetak Biru Transformasi Digital Kesehatan 2024” di situs dto.kemkes.go.id

Tim Penyusun:
Digital Transformation Office (DTO), Kementerian Kesehatan:

Setiaji (Chief of DTO),
Agus Rachmanto (Deputy Chief DTO),
Farzikha Indrabhaskara Soerono (Chief of Product Officer),
Daniel Oscar Baskoro (Chief of Operating Officer),
Dandy Masyaril Handoko (Chief of Data Officer),
Reza Rudyanto Pramono (Chief of Technology Officer),
Fakhrur Ridha (Head of Engineering),
Pandu Edward Poluan (Head of Security),
Parama Fadli Kurnia (Head of Data Engineering and Infrastructure),
Janice Katherine Widjaja (Head of Communication),
Arina Larasati (Head of Organization Development),
Dewi Nur Aisyah (Head of Tribe Pelayanan Kesehatan Primer),
Agus Mutamakin (Head of Tribe Pelayanan Kesehatan Sekunder),
Bagus Binatoro Soewoko (Head of Tribe Ketahanan Kesehatan),
Suryastri Boni (Head of Tribe Resiliensi Farmasi dan Alat-Alat Kesehatan), dan
Alex Lukmanto Suherman (Head of Tribe Bioteknologi).

Pusat Data dan Informasi (PUSDATIN), Kementerian Kesehatan:

dr. Anas Maruf, MKM (Kepala Pusat Data dan Informasi).

Didukung Oleh:

United Nations Development Programme (UNDP) dan Pemerintah Jepang.

Mitra Kerja:

United States Agency for International Development (USAID).

Ringkasan Eksekutif

Salah satu permasalahan kesehatan di Indonesia saat ini adalah data kesehatan yang terfragmentasi karena banyaknya aplikasi dan keterbatasan regulasi dalam standardisasi dan pertukaran data. Berdasarkan hasil pemetaan saat ini, terdapat lebih dari 400 aplikasi kesehatan yang dikembangkan oleh pemerintah pusat dan daerah. Kondisi ini menjadikan kebijakan kesehatan belum sepenuhnya berlandaskan pada data yang menyeluruh serta pelayanan kesehatan yang kurang efisien.

Pandemi COVID-19 dan perkembangan teknologi mendorong Kemenkes RI untuk segera melakukan transformasi digital kesehatan sebagai lompatan menuju sektor kesehatan Indonesia yang semakin maju dan berkeadilan. Kemenkes RI memiliki visi untuk melakukan digitalisasi di sektor kesehatan sejak awal kehidupan di dalam kandungan hingga pelayanan kesehatan terpadu bagi pasien lansia. Visi tersebut tertuang di dalam Peraturan Menteri Kesehatan Republik Indonesia (Permenkes RI) No. 21 Tahun 2020 yang telah mensyaratkan adanya upaya perubahan tata kelola pembangunan kesehatan yang meliputi integrasi sistem informasi, penelitian, dan pengembangan kesehatan. Transformasi digital kesehatan Indonesia ditargetkan mampu menghasilkan sumber daya manusia (SDM) yang berkapasitas dalam menganalisa data kesehatan. Hal tersebut bertujuan untuk menyusun kebijakan berbasis data di setiap instansi kesehatan.

Berkenaan dengan hal di atas, Kemenkes RI merumuskan Cetak Biru Strategi Transformasi Digital Kesehatan 2024 yang berlandaskan semangat mewujudkan Indonesia Sehat secara kolaboratif bersama seluruh ekosistem pelaku industri kesehatan dalam suatu Platform Indonesia Health Services (IHS). Platform IHS merupakan sebuah platform ekosistem digital kesehatan yang menyediakan konektivitas data, analisis, dan layanan untuk mendukung dan mengintegrasikan berbagai aplikasi kesehatan di Indonesia. Platform IHS dibangun berdasarkan enam prinsip utama.

Referensi

Survei Motherboard AMD untuk 3 GPU

Proses komputasi deep learning dapat dipercepat dengan menggunakan beberapa GPU.

Berikut ini studi motherboard AMD yang mendukung 3 GPU PCIe

Daftar motherboard untuk 3 GPU dapat dicari dari situs PC Part Picker:
https://pcpartpicker.com/products/motherboard/#s=33&L=4&h=3,8&sort=price&c=145,138

Ada 2 chipset yang umum: B550 dan X570. B550 hanya punya sedikit PCI lines, sehingga X570 lebih menarik.

Berikut ini beberapa kandidat berbasis XZ570:

Gigabyte X570 UD https://www.gigabyte.com/Motherboard/X570-UD-rev-10#kf (harga Rp 2,8+ juta)
– 1 x PCI Express x16 slot, supporting PCIe 4.0 and running at x16
– 2 x PCI Express x16 slots, supporting PCIe 4.0 (Note 2)/3.0 and running at x4 (PCIEX4)

ASRock X570S PG Riptide https://www.asrock.com/mb/AMD/X570S%20PG%20Riptide/index.asp (harga Rp 3+ juta)
– 1 x PCI Express 4.0 x16 Slot (x16 (PCIE1))*
– 2 x PCI Express 4.0 x16 Slots (x4 (PCIE4) / x2 (PCIE6))

Gigabyte X570 AORUS PRO https://www.gigabyte.com/Motherboard/X570-AORUS-PRO-rev-10#kf (harga Rp 4,5 juta)
1 x PCI Express x16 slot, supporting PCIe 4.0 and running at x16 (PCIEX16)
1 x PCI Express x16 slot, supporting PCIe 4.0 and running at x8 (PCIEX8)
1 x PCI Express x16 slot, supporting PCIe 4.0/3.0 and running at x4 (PCIEX4)

Tuning MySQL 5.7

Berikut ini tips singkat untuk tuning MySQL 5.7

nnodb_file_per_table=ON
innodb_stats_on_metadata = OFF
innodb_buffer_pool_instances = 8 (or 1 if innodb_buffer_pool_size < 1GB)
query_cache_type = 0; query_cache_size = 0; (disabling mutex)

Sumber: https://www.percona.com/blog/2016/10/12/mysql-5-7-performance-tuning-immediately-after-installation/

Menambahkan Journal di EXT4 Filesystem

Filesystem EXT4 di Linux dapat mempunyai fasilitas journaling.

Pada filesystem EXT4 yang baru dikonversi dari EXT2, biasanya journaling ini belum ada.

Untuk menambahkan journal tersebut, dapat menggunakan perintah tune2fs sebagai berikut. Misal filesystem yang akan diubah adalah /dev/sdb1.

sudo tune2fs -O has_journal /dev/sdb1

Image Annotation Tools

Here is a list of image annotation tools. In my opinon, the best so far for bounding box id MakeSense.AI

Free tools

MakeSense.AI github: https://github.com/SkalskiP/make-sense
Label Studio (https://labelstud.io/)
LabelMe (https://github.com/CSAILVision/LabelMeAnnotationTool)
LabelImg (https://github.com/tzutalin/labelImg)
VGG image annotator (https://gitlab.com/vgg/via)
Scalabel (https://scalabel.ai/)
DeepLab2 (https://github.com/google-research/deeplab2)
imglab (https://github.com/NaturalIntelligence/imglab)
Computer Vision Annotation Tool (CVAT) (https://github.com/openvinotoolkit/cvat)

Paid tool

V7
RectLabel (https://rectlabel.com/) OSX only
MakeML (OSX only)
Labelbox (https://labelbox.com/)
BeaverDam video annotation tool (https://github.com/antingshen/BeaverDam)
Scale AI
SuperAnnotate
DataLoop
Playment (https://www.playment.io/)
Supervise.ly
Hive Data
Plainsight (https://plainsight.ai)

Reviews

5 Tools to Create a custom Object Detection Dataset (LabelImg, VGG Image Annotator, MakeML, Labelbox, RectLabel)
How to label Images for Object Detection, step by step (LabelImg)
What is the best image labeling tool for object detection? (LabelMe, Imglab, Semantic Segmentation Editor, BeaverDam)

Fitness Function di Yolov5

Apa sih fitness function di Yolov5?
Jawab:
Fitness di Yolov5 adalah kombinasi dari Precision, Recall mAP@0.5 dan mAP@0.5:0.95
Fungsi fitness() ada di file yolov5/utils/metrics.py

Sumber: https://github.com/ultralytics/yolov5/issues/607

Mengubah Partisi ext2/ext3 ke ext4 di Ubuntu

Unmount disk

umount /dev/sdb1

Gunakan perintah tunefs untuk mengubah jenis partisi

tune2fs -O extents,uninit_bg,dir_index /dev/sdb1

Mount disk kembali

mount /dev/sdb1 /mnt1