30秒でわかる要点
事前学習済みのモデルを、目的のタスクのデータで追加学習して調整すること。少ないデータでも高い性能を出しやすい。転移学習の代表的なやり方。
「ファインチューニング」の練習問題
当サイトの練習問題から、この用語に関係する問題をピックアップしました。
Q1ファインチューニング（Fine-tuning）をCNNで行う目的はどれか。
- 事前学習済みモデルを新しいタスクに適応させ、少ないデータで高精度を実現
- 全層を最初から訓練する
- モデルを簡略化する
- 計算量を増やす
答えと解説を見る
正解：A
ファインチューニングはTransfer Learningの手法で、大規模データセットで学習した特徴を活用できます。
Q2ファインチューニング（Fine-tuning）のパラメータ設定として正しいものはどれか。
- 全層または一部層を小さい学習率で訓練し、既学習特徴を保持
- 高い学習率を使用
- 全層を固定
- ランダムに初期化
答えと解説を見る
正解：A
ファインチューニングの学習率選択は重要で、低めに設定することが推奨されます。
Q3ファインチューニングと転移学習の関係として最も正確なのはどれか。
- 転移学習は学習済みモデルを新タスクに適用する広い概念であり、ファインチューニングはその具体的な実装方法である
- 両者は全く異なる手法であり、関連性はない
- ファインチューニングは転移学習より優れている
- 転移学習はラベルなしデータのみで実施される
答えと解説を見る
正解：A
転移学習は大枠。ファインチューニングは事前学習モデルを新データで少し訓練する方法。他に特徴抽出がある。
AI活用の問題をまとめて解いて、理解を確かめましょう（無料・登録不要）。
AI活用の練習問題を解く