エントリーの編集
エントリーの編集は全ユーザーに共通の機能です。
必ずガイドラインを一読の上ご利用ください。
Chainerで転移学習とファインチューニング(VGG16、ResNet、GoogLeNet) - Qiita
記事へのコメント0件
- 注目コメント
- 新着コメント
このエントリーにコメントしてみましょう。
注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています
- バナー広告なし
- ミュート機能あり
- ダークモード搭載
関連記事
Chainerで転移学習とファインチューニング(VGG16、ResNet、GoogLeNet) - Qiita
画像系の深層学習では、学習済みモデルの重みを利用する「転移学習」や「ファインチューニング」と呼ば... 画像系の深層学習では、学習済みモデルの重みを利用する「転移学習」や「ファインチューニング」と呼ばれる手法がよく利用されます。 転移学習: 学習済みのモデルから特徴量を抽出すること ファインチューニング: 学習済みモデルの重みを使って再学習させること どちらも基本的には、ILSVRCなどの画像認識コンペで優秀な成績を収めたモデルのネットワークアーキテクチャを深層学習のライブラリで構築し、公開されている学習済みの重みファイルを読み込ませて利用するという流れで実装します。 Chainerでは、以下の画像認識モデルが、すでに内部で実装されています。 VGG16 ResNet50, ResNet101, ResNet152 GoogLeNet また、これらのモデルに学習済みの重みファイルを読み込ませるための便利な関数が一通り揃っていますので、それらの使い方についてまとめます。 Chainerのバージ