実際問題、Few-Shot学習手法SetFitはいつ使うとよいのか？ - Qiita
概要 少量の学習データ（Few-Shot）でも精度が出る深層学習手法が登場してきています。 その一つがSetFitです。テキスト分類向けのFew-Shot学習手法です。 本記事では、SetFitを使うとよい（使わない方がよい）場面を見極めるために、リアルな問題に近い日本語ニュースジャンル分類タスクをお題に、学習データ数を変えながらそこそこ強い日本語T5と戦わせてみます。 忙しい方向けに最初に結論をまとめ、その後にSetFitの使い方の説明を兼ねて実験を再現するためのコードの解説をしていきます。 結論 Livedoor news記事のジャンル分類タスク（9分類タスク）について、クラスあたりのデータ数を2倍ずつ変えながら、SetFitと日本語T5それぞれについて分類精度を計測しました。 結果は下図のとおりです。 なお、クラスあたりのデータ数は全クラスで同一（均衡）になるようにランダムサンプリン
【異常検知】たった30分で画像の異常検知モデルの作成と性能検証ができた話＆手順を解説！【外観検査AI】 - Qiita
驚くべき結果でした！ かなり学習データ数を少なくしたのに、ほぼ100%の正解率。 しかも、こんなに 学習時間が短い（20秒～10分！） とは！ ADFIの得意・不得意や限界を知るためにも、次回の記事では、もっと難しいデータセットで検証してみたいと思います！ ADFIを使ってみる！（手順解説） ADFIの画面は英語表記なので、ちょっと心理的ハードルが高いですが、誰でも異常検知モデルを作成できるように手順を解説します。 大まかな流れ アカウント作成＆ログイン プロジェクト作成＆データセット作成 画像アップロード 検査対象範囲を設定 異常検知モデル作成 閾値の設定 テスト＆性能検証結果の確認 1. アカウント作成＆ログイン ①ADFIのWEBサイト（ https://adfi.jp/ )の右上の「Sign In/Sign Up」を押す。 ②「Create a new account」を押す。 ③
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
