ファインチューニング(Fine-tuning) 転移学習
➡ ネットワーク全体のパラメータを教師あり学習で更新すること。その名称。
特徴:より適当なパラメータを用意できること(※1事前学習なしだと、ネットワークのパラメータは乱数によって初期化されるので、※2学習効率が良くない)。また、あらかじめ、チューニングしておくことで、データ不足でもこなせたり、所要時間の短縮を行うことが出来る。
★kerasで用意されているチューニングには以下のようなものがある。
・Xception
・VGG16 (畳み込み層13層、結合3層)
・VGG19 (畳み込み層16層、結合層3層)
・ResNet50
・InceptionV3
オートエンコーダ(自己符号器)
➡ 自分自身のデータが出力と一致するようにとなるようにパラメータを学習させる
特徴
→ 活性化関数を非線形にすることができる。入力に合わせたパラメータを設定できる。(特徴の抽出が可能)
※1事前学習
→ 別の学習済みのモデルのパラメータをコピーする。そのコピーをパラメータの初期値として使用すること。
※2学習効率が良くない
→ データが大量にある場合はラベル化(CPが分かる形に読み変える)データを用意しなくても良いことが利点。オートエンコーダの方が効率が良いかもしれない。