転移学習とファインチューニングとは？
転移学習とファインチューニングとは、大量データで学習済みのモデルを土台にして、少ないデータの別課題へ適用する手法。特徴抽出部を固定して出力層だけを付け替えるやり方と、全体をわずかな学習率で再学習するファインチューニングがあり、学習コストとデータ量を大幅に節約できる。
てんいがくしゅうとふぁいんちゅーにんぐ
転移学習とファインチューニングの意味
大量データで学習済みのモデルを土台にして、少ないデータの別課題へ適用する手法。特徴抽出部を固定して出力層だけを付け替えるやり方と、全体をわずかな学習率で再学習するファインチューニングがあり、学習コストとデータ量を大幅に節約できる。
転移学習とファインチューニングの具体例
一般画像で学習済みのモデルを流用し、自社の部品画像1,000枚だけで不良判定器を作る。まず出力層のみ学習して当たりを付け、精度が足りなければ上位数層を学習率1/10で微調整する、という二段構えが定石になる。
転移学習とファインチューニングは試験でどう引っ掛けられる？
元データと対象データの性質が離れていると精度が出ず、かえって一から学習したほうがよい場合がある。またファインチューニングで学習率を大きくすると、事前学習で得た表現を壊してしまう。
転移学習とファインチューニングと関連する用語
最終更新：2026-08-25／解説は資格暗記が独自に作成しています。 過去問の出典は各問題に記載のとおりです。