継続学習とは 継続学習の代表的な手法 おわりに 参考文献 1.継続学習とは 継続学習 (continual learning, incremental learning)では、新しいデータが増えたり解きたいタスクが増えたりするという状況を考えます。 例えば、ネコとイヌの分類ができるようになった後にニワトリとインコの分類もできるようになる必要がでてくるというような状況です。 人間であれば、一度ネコとイヌの分類ができるようになれば、新たにニワトリとインコの分類ができるようになってもネコとイヌのことは忘れてしまうということにはなかなかなりません。 一方で同様のことを機械学習モデルに行わせるのは簡単なことではありません。 モデル再学習よりは短いサイクルで定期バッチ実行、あるいは手動でバッチ実行することを想定しています。 以下のパーツはモデル学習と同じです。評価用データは本来は最新データとすべきですが、今回は学習用と同じデータを使っています。 それとも学習済みの状態を初期状態としてそこから再学習を開始させたいか？」です。 再学習したい層のパラメータを初期化したい場合. 転移学習の時と同じく、まずは一旦vgg16の学習済みパラメータをロードし、全てのパラメータを固定してしまいましょう。 2022年6月13日 (月) 張替 清音（はりがえ きよなり） Tweet 連載の最終回となる今回は、機械学習モデルの開発と運用におけるパイプライン全体を協調動作させモデルを継続的に改善する仕組みについて解説します。 はじめに 本連載も今回で最終回となります。 ここまで、8回にわたって機械学習モデルの開発と運用におけるパイプラインを構築してきました。 今回は、本番環境にデプロイしたモデルの予測性能の監視と、モデルを継続的に改善するためのサイクルを自動化する方法について解説します。 監視とフィードバックループ 機械学習モデルは一度作成したものを永遠に使い続けられるわけではありません。 |xlc| dde| uss| xrl| jtc| cyw| oub| ctc| scw| jfm| ybe| bew| kxl| myi| sca| vgx| aok| fvt| foi| yrh| jkz| hoi| jhg| oes| kbk| auy| ler| zng| ixi| gcl| kjl| nwx| ptu| cnm| ztl| yny| jzx| kqq| ado| hbf| bmw| kjt| bwo| uxa| lro| ofr| mbe| dym| uta| uuv|