タイニーエムエル

第8章. ウェイクワードの検出モデルをトレーニングする

この作品はAIを使って翻訳されている。ご意見、ご感想をお待ちしている：[e-mail]

第7章では、"はい "と "いいえ "を認識するように訓練されたモデルを中心にアプリケーションを構築した。この章では、異なる単語を認識できる新しいモデルを訓練する。

我々のアプリケーション・コードはかなり一般化されている。音声をキャプチャして処理し、それをTensorFlow Liteモデルに送り込み、出力に基づいて何かを行うだけだ。ほとんどの場合、モデルがどの単語を探しているかは気にしない。つまり、新しいモデルをトレーニングすれば、それをアプリケーションにドロップするだけで、すぐに動作するようになる。

新しいモデルをトレーニングする際に考慮しなければならないことは以下の通りだ：

インプット

新しいモデルは、アプリケーションコードと同じ前処理を施した、同じ形状と形式の入力データでトレーニングされなければならない。

出力

新しいモデルの出力は同じ形式でなければならない：各クラスに1つずつ、確率のテンソルである。

トレーニングデータ

どの新しい単語を選ぶにせよ、新しいモデルを訓練するために、人々がその単語を口にする様子をたくさん録音する必要がある。

最適化

このモデルは、限られたメモリーしか持たないマイクロコントローラー上で効率的に動作するように最適化されなければならない。

幸いなことに、我々の既存のモデルはTensorFlowチームが公開したスクリプトを使ってトレーニングされており、このスクリプトを使って新しいモデルをトレーニングすることができる。また、トレーニングデータとして使える音声のデータセットも無料で入手できる。

次のセクションでは、このスクリプトを使ってモデルをトレーニングするプロセスを説明する。そして「プロジェクトでモデルを使う」では、新しいモデルを既存のアプリケーション・コードに組み込む。その後、「モデルがどのように機能するか」で、モデルが実際にどのように機能するかを学ぶ。最後に、「自分のデータでトレーニングする」では、自分のデータセットを使ってモデルをトレーニングする方法を見る。

新しいモデルを育成する

これは、TensorFlowを使って音声認識モデルを構築し、訓練する方法を示すために設計されたサンプルスクリプトである。

このスクリプトを使えば、音声認識モデルの学習が非常に簡単になる。特に以下のことができる：

• 20の話し言葉を含む音声のデータセットをダウンロードする。

• どの単語のサブセットでモデルを訓練するかを選択する。

• オーディオに使用する前処理の種類を指定する。

• 数種類のモデルアーキテクチャから選べる。

• 量子化を使用して、マイクロコントローラ用にモデルを最適化する。

スクリプトを実行すると、データセットをダウンロードし、モデルを学習し、学習済みモデルを表すファイルを出力する。次に、このファイルをTensorFlow Lite用の正しい形式に変換するために、他のツールを使う。

注

モデル作成者は、このようなタイプのトレーニングスクリプトを作成するのが一般的である。これによって、モデル・アーキテクチャやハイパーパラメータのさまざまなバリエーションを簡単に試すことができ、また自分の作業を他の人と共有することができる。

トレーニングスクリプトを実行する最も簡単な方法は、Colaboratory（Colab）ノートブック内で実行することである。 ...