少量のラベル付き専門画像で分類を行いたい。一般画像で学習済みのモデルがあり、得られた表現や重みを新しい関連タスクへ活用する案を比較する。
対象の画像、ラベル定義、利用条件は元の学習と同じとは限らない。実装手順ではなく、何を再利用し何を確認するかを説明する。
転移学習の説明として適切なものを2つ選べ。
転移学習では学習済みの表現や重みの活用を考える。構造だけのコピーや1件の推論を、そのまま学習済み知識の転移やファインチューニングと扱わず、対象タスクでの性能と利用条件を確認する。
詳細解説
元データの成績だけでは対象タスクの性能は分からない。対象画像とラベルに合う、学習と分けた評価が必要である。
事前学習済みであっても、分布や目的の違いを無視できない。モデルを利用できる条件と、対象タスクに役立つかの確認は別に必要になる。
既に得た特徴を活用する考え方である。学習データや計算を一から用意する負担を減らせる可能性があるが、成果は対象タスクで確認する。
構造の再利用と学習済み知識の再利用は異なる。学習済みの値を全て捨てた構造のコピーだけでは、その表現を転移したとは説明できない。
学習済みモデルの利用は推論である。モデルを適応する学習と、そのモデルで出力を得る処理を混同しない。
公式資料で確認する
以下の項目を公式資料の記述と照合して確認します。
AWSの転移学習の説明とSageMaker AIの画像分類における事前学習の利用を照合する。架空の専門画像の例で、構造・学習済み重み・対象データ・別の評価データ・利用条件を整理する。モデルの訓練や画像送信は行わない。
参考にした公式資料
確認できる内容
学習済み知識の活用と、構造だけの再利用・1件の推論を区別できる。元モデルの成績や少量データの存在だけで、対象性能や利用条件が確認済みとはしない。
理解のポイント
- 学習済み知識
- 構造との違い
- 対象タスクの評価
- 学習と推論
確認時の注意
- 確認環境: 現行AIF-C01の該当Taskと関連するAWS一次資料の確認。架空の例で概念を比較し、実モデルの訓練・推論は行わない。
- AWS公式ドキュメントで、対象サービスが提供する機能と前提条件を確認する。
- モデル、データ、アプリケーション、利用者の責任分界を混同しない。
基礎のおさらい
構造と学習済み知識を分ける
モデルの構造を同じにすることと、既に学習した特徴や重みを引き継ぐことは異なる。何を再利用しているかを説明してから転移学習としての目的を判断する。
元の成績を対象タスクの証拠にしない
一般画像と専門画像では、画像の傾向や求める分類が異なり得る。対象タスクの学習に使っていない適切な評価データで、性能と誤りを確認する。
適応の学習と予測の実行を区別する
学習済みモデルを入力へ適用するだけの推論と、追加データでモデルを適応する学習は別である。利用条件も確認し、少量データという条件だけで成功や利用許可を保証しない。