CNTK 2.2 Python API 解説 (6) – 画像分類タスクのための転移学習 (ResNet 18 モデル)

CNTK 2.2 Python API 解説 (6) – 画像分類タスクのための転移学習 (ResNet 18 モデル)
0. はじめに
◆ CNTK ( Microsoft Cognitive Toolkit ) 2.2 の Python API 解説第6弾です。
今回は、画像分類タスクのための転移学習を CNTK で遂行します。
ImageNet で訓練済みの既存のモデル (ResNet 18) があるとき、それを (類似した) 別の分野のデータセットに適合させるために、CNTK で転移学習 (= Transfer Learning) をどのように活用するかを示します。
転移学習は有用なテクニックです。例えば、新規の画像を異なるカテゴリーに分類する必要がありながら、しかし深層ニューラルネットワークをスクラッチからトレーニングするための十分なデータを持たない場合に利用可能なテクニックです。
本記事では、ImageNet 画像 (犬、猫、鳥 etc.) で訓練されたネットワークを花、そして動物 (羊/狼) のデータセットに適合させますが、転移学習は翻訳、音声合成、そして他の多くの分野のために既存のニューラルモデルを成功的に適合させてきました。
08093
08084
08081
08058
738519_d0394de9.jpg
Pair_of_Icelandic_Sheep.jpg
European_grey_wolf…
Wolf_je1-3.jpg
本記事の内容は :
動作環境と Jupyter Notebook について
転移学習
準備 (インポートとデータ・ダウンロード)
事前訓練されたモデル
新しいデータセット
トレーニングと評価
小さなデータセットの場合
本記事は以下の CNTK チュートリアルを参考にしています :
CNTK 301: Image Recognition with Deep Transfer Learning
1. 動作環境と Jupyter Notebook について
動作環境
動作環境の構築が必要な場合には、Cognitive Toolkit 2.2 を Azure Linux GPU 仮想マシンにインストール を参考にしてください。Azure ポータルと Ubuntu Linux にある程度慣れていれば、30

AINOW
人工知能専門メディアAINOW(エーアイナウ)です。人工知能を知り・学び・役立てることができる国内最大級の人工知能専門メディアです。2016年7月に創設されました。取材のご依頼もどうぞ。https://form.run/@ainow-interview
サイト名: Qiita

無料メールマガジン登録

週1回、注目のAIニュースやイベント情報を
編集部がピックアップしてお届けしています。

こちらの規約にご同意のうえチェックしてください。

規約に同意する