タイニーエムエル

第12章. 魔法の杖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11章では、加速度センサーの生データを解釈するために20KBの事前学習済みモデルを使い、それを使って一連のジェスチャーのどれが行われたかを識別した。この章では、このモデルがどのように訓練されたかを紹介し、次に実際にどのように機能するかについて説明する。

ウェイクワードと人物検出モデルは、どちらも学習に大量のデータを必要とした。これは、解決しようとする問題が複雑であったためである。人の「はい」「いいえ」の言い方には膨大なバリエーションがあり、アクセント、イントネーション、ピッチなど、人の声をユニークなものにしているあらゆるバリエーションを思い浮かべてほしい。同じように、画像に写る人の姿も無限である。顔や全身、あるいは片手かもしれないし、どんなポーズで立っているかもしれない。

このように多様な入力検証を正確に分類するためには、モデルも同様に多様な訓練データセットで訓練する必要がある。これが、ウェイクワードと人物検出のトレーニングのデータセットが大規模であり、トレーニングに時間がかかる理由である。

魔法の杖のジェスチャー認識問題は、もっと単純だ。この場合、膨大な種類の自然な声や人間の外見やポーズを分類しようとするのではなく、3つの特定の意図的に選ばれたジェスチャーの違いを理解しようとしている。それぞれのジェスチャーのやり方には人によって多少の違いがあるだろうが、ユーザができるだけ正確で均一なジェスチャーを行うよう努力してくれることを期待している。

つまり、予想される検証入力のばらつきが少なくなるため、膨大なデータを必要とせず、正確なモデルを訓練するのが非常に簡単になる。実際、モデルのトレーニングに使用するデータセットには、各ジェスチャーの例が150ほどしか含まれておらず、サイズも1.5MBしかない。十分なデータを得ることは、機械学習プロジェクトで最も困難な部分であることが多いからだ。

この章の最初のパートでは、魔法の杖のアプリケーションで使われているオリジナルのモデルをトレーニングする方法を学ぶ。第2部では、このモデルが実際にどのように機能するかについて説明する。そして最後に、あなた自身のデータをキャプチャして、異なるジェスチャーを認識する新しいモデルをトレーニングする方法を見る。

モデルをトレーニングする

モデルをトレーニングするために、TensorFlowリポジトリにあるトレーニングスクリプトを使用する。magic_wand/trainで発見できる。

スクリプトは以下のタスクを実行する：

• トレーニング用の生データを準備する。

• 合成データを生成する。¹

• トレーニング、検証、テストのためにデータを分割する。

• データ補強を行う。

• モデルアーキテクチャを定義する。

• トレーニングプロセスを実行する。

• モデルをTensorFlow Lite形式に変換する。

スクリプトには、その使い方を示すJupyterノートブックが付属している。このノートブックは、GPUランタイム上のColaboratory（Colab）で実行できる。我々の小さなデータセットでは、トレーニングは数分しかかからない。

まずはじめに、Colabでのトレーニングの流れを説明しよう。

Colabでのトレーニング

図8-1に示すように、magic_wand/train/train_magic_wand_model.ipynbの ...