30秒でわかる要点
あるタスクで学習済みのモデルの知識を、別のタスクに応用する手法。大量のデータで事前学習したモデルを、少量のデータでファインチューニングすることで、効率よく高精度なモデルを構築できる。
「転移学習」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「転移学習（Transfer Learning）」がデータ不足を補う方法と限界は何か。
- 転移学習で完全に不足を解決
- 汎用モデルから知識を転移できる一方、ターゲット領域の独特な特性に対応の限界
- 転移学習は不要
- 限界は存在しない
答えと解説を見る
正解：B
転移学習（事前学習モデルの微調整）は学習データ不足時に有効だが、ドメイン差異が大きいと精度低下。ファインチューニング、ドメイン適応が課題。A過度，C無視，D楽観。
Q2転移学習（トランスファーラーニング）の利点として最も重要なものはどれか。
- 大規模データセットで事前訓練したモデルを用いて、限定的なデータで新しいタスクを効率的に学習できる
- 新しいタスクごとに常にゼロから全て訓練し直す方が効率的である
- 訓練データの量が多いほど、転移学習の効果は低くなる
- 転移学習は画像認識にのみ適用可能である
答えと解説を見る
正解：A
転移学習は、ImageNetなど大規模データで事前訓練した特徴抽出器を、データが少ない新規タスク（医療画像など）で微調整。学習効率が大幅に向上し、必要な訓練時間とデータ量を削減。B、C、Dは不正確である。
Q3転移学習の基本概念として正しいものはどれか。
- ある領域で学習した知識を別領域に転用し、少ないデータで高精度を実現
- 全く独立した訓練
- 知識の共有不可
- 関連性がない
答えと解説を見る
正解：A
転移学習は現代的なディープラーニング実装の標準手法です。
深層学習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）。
深層学習の練習問題を解く