初めてのTensorFlow.js ―JavaScriptで学ぶ機械学習

11章転移学習

他者の過ちから学びなさい。

それらのすべてを自ら犯せるほど人生は長くありません。

—— エレノア・ルーズベルト

豊富なデータと実戦で鍛えられたモデル構造、処理能力など、必要なものすべてを揃えるというのは難しいものです。できることなら近道したいと思いませんか？ 「7章　モデルの作成」に、Teachable Machineを使用して訓練済みモデルの能力を新しいモデルに移す（transfer）というすばらしいトリックがありました。実を言えば、これは機械学習の世界ではよく行われています。Teachable Machineでは本来の機能を隠して特定のモデルだけを利用可能にしていましたが、このトリックを理解すれば、どのようなすばらしいタスクにも同じやり方を適用できます。本章では、このプロセスの背後でどのような魔法が使用されているのかを明らかにします。説明を簡単にするためにMobileNetのサンプルに焦点を当てていますが、その内容自体はどのようなモデルに対しても適用できます。

転移学習（transfer learning）では訓練済みのモデルの用途を、ほかの関連のある用途に変更します。

機械学習ソリューションで転移学習を採用する明らかな利点がいくつかあります。多くのプロジェクトが例えば次のような理由で転移学習を利用しています。

• 実戦で鍛えられたモデル構造を再利用するため
• ソリューションをすばやく実現するため
• 少ないデータでソリューションを実現するため

本章では転移学習の戦略のいくつかを紹介します。今回は再利用の土台となるモデルとしてMobileNetを選択し、さまざまな方法で多くの新しいクラスを識別します。

本章の内容は以下のとおりです。

• 転移学習がどのように動作するかを復習します ...