ディープラーニングライブラリ「Chainer」の精度を向上させるための「ファインチューニング」について紹介します。
Caffe用学習済モデルを使用すると、効率的にファインチューニングできます。
Caffeの「Model Zoo」で公開されている学習済モデルをChainer用に変換後、パラメータ設定を行い、ファインチューニングを行なう方法を解説しています。
・ファインチューニング
・CaffeモデルのChainerモデルへの変換
→1. Caffeモデルを読み込む
→2. Chainerのモデルとして保存
・新しいモデルにパラメータをコピー
・まとめ
→Qiita『Chainerでファインチューニングするときの個人的ベストプラクティス』
「Caffe用学習済モデルをChainerに読み込む時間がかかりすぎる問題」について紹介しています。
CaffeモデルからChainerモデルに変換するスクリプトを実行することで、「30秒以上かかっていたのが1秒以下」に短縮できる記録です。
モデル変換によって処理時間を大幅に減らせることが分かります。
・Chainerのcaffeモデルの読み込みが遅い
・時間計測
・Mac Book Pro
・Raspberry Pi
・まとめ
→karaage『Chainerのcaffeモデルの読み込みを爆速にした』
Chainerのファインチューニングについての解説です。
手順のみではなく「学習済データの準備方法」「モデルの理解」「データ前処理」など、ファインチューニングを行なう場合の前提知識についてイラスト付きで詳細に解説されています。
データセット「ImageNet」を使用しています。「ImageNet」は、ILSVRC(ImageNet Large Scale Visual Recognition Challenge)で使用されている画像に対してタグ付けを行っているデータセットです。
「ImageNet」からのダウンロードの際に、リンク切れを回避しながら並列処理でダウンロードできるPythonスクリプトを提供されています。
・データの準備
・ImageNet
・モデルの理解
・データの前処理
・教師データの準備
・モデルの学習
・パフォーマンス
・監視
→Qiita『Convolutional Neural Networkを実装する』
「Chainer」でビジネス向けチャット「Slack」用botを作成して、「Twitter」から学習データを取得し、ファインチューニングする方法についての解説です。
・ChainerでSlack用のbot作成!!
・対象読者
・全体構成
・Chainerによる対話モデルの学習
・Slackによるbotの応答
・Slackの連携に必要な情報の取得
・機能概要
・Twitter
・総括
→Qiita『Chainerで学習した対話用のボットをSlackで使用+Twitterから学習データを取得してファインチューニング』
※定期的にメンテナンスを実施しておりますが、一部情報が古い場合がございます。ご了承ください。
Preferred Networks(PFN)は、5月23日、 「Microsoftとディープラーニング分野で戦略的協業をする」と発表した。 【Chainerとは】 日本製の深層学習フレームワーク https://www.ossnews.jp/oss_info/Chainer 【ポイント】 ・ディープラーニングフレームワーク「Chainer」や「Deep Intelligen...
OSS×Cloud ACCESS RANKING