Now Loading...

Now Loading...

ファインチューニング

ファインチューニングとは、既に学習済みのモデルに新たな層を追加し、モデル全体を再学習する手法です。

モデルを再利用するため、一から学習するよりも短時間で少ないデータでモデルの構築が可能です。似たような手法として転移学習がありますが、追加のデータセットを充分用意できるときはファインチューニング、できないときは転移学習を採用するといった考え方があります。

クイズ

大量のデータセットの学習やネットワークが複雑なモデルの学習には莫大な時間がかかるが、これらのような問題に対して有効な学習手法にファインチューニングがある。これについて述べた以下の文章のうち、最も適切なものを1つ選べ。
  • 正解を見る
  • 解説を見る
    ファインチューニングとは他のモデルの下位層のパラメータをそのまま使い、上位層だけ再学習する手法です。ディープニューラルネットワークでは下位層ではすべてのタスクに使えるような一般的な特徴が学習され、上位層ではより具体的で複雑な特徴が学習されます。そのため、このような手法が可能となります。 (参考: G検定公式テキスト 第2版 第6章 6-1 P214-215) (参考:G検定公式テキスト 第1版 P124-125, 166)

<個人向け>G検定&E資格オンライン講座の紹介