コンピュータビジョンのための実践機械学習 ―モデルアーキテクチャからMLOpsまで

7章学習パイプライン

前処理の次のステージはモデルの学習です。学習プロセスでは、機械学習モデルが学習用データを読み込み、そのデータを使って重みの更新を行います（図7-1）。学習後、モデルはデプロイのために保存、エクスポートされます。

図7-1　モデルの学習プロセスでは、モデルは前処理されたデータで学習を行い、デプロイ用にエクスポートされる。エクスポートされたモデルは、予測に使用される

本章では、学習用データ（および検証用データ）を効率的にモデルに取り込む方法を見ていきます。また、さまざまな計算デバイス（CPUやGPU）間のタイムスライシングを活用し、プロセス全体のレジリエンスと再現性を高める方法を説明します。

	本章のコードは、本書のGitHubリポジトリの07_trainingフォルダを参照してください。コードサンプルやノートブックのファイル名は必要に応じて明記します。

7.1　効率的なデータの読み込み

機械学習モデルの学習では、データの取り込みに費やされる時間は小さなものではありません。学習パイプラインのこのステージを効率化して高速化できれば、より効率的な学習が可能になります。これには以下の方法があります。

データの効率的な保存

入力画像を可能な限り前処理し、前処理済みのデータを効率的に読み取れる形式で保存する ...