ファインチューニング
出典: フリー百科事典『ウィキペディア（Wikipedia）』 (2021/12/04 14:44 UTC 版)
表現学習とタスク学習は分離可能であるが、完全には分離せず段階的に進めることもできる。すなわち表現モデルをまず学習し (事前学習)、その上で表現モデルとタスクモデルを繋げて一体化した上でタスク学習をおこなう（fine-tuning approach）。事前学習とタスク学習で異なるデータを利用できるため、分離時と同じ利点を得られる。さらに表現モデル部分もタスクに最適化される特徴がある。言語モデルにおけるBERTはその顕著な例である。
※この「ファインチューニング」の解説は、「特徴量」の解説の一部です。
「ファインチューニング」を含む「特徴量」の記事については、「特徴量」の概要を参照ください。
ウィキペディア小見出し辞書の「ファインチューニング」の項目はプログラムで機械的に意味や本文を生成しているため、不適切な項目が含まれていることもあります。ご了承くださいませ。
お問い合わせ。
ファインチューニングと同じ種類の言葉
| ファインに関連する言葉 | ファイン ファインスポッテッドジョーフィッシュ ファインズーム ファインチューニング |
このページでは「ウィキペディア小見出し辞書」からファインチューニングを検索した結果を表示しています。
Weblioに収録されているすべての辞書からファインチューニングを検索する場合は、下記のリンクをクリックしてください。
全ての辞書からファインチューニング
を検索
Weblioに収録されているすべての辞書からファインチューニングを検索する場合は、下記のリンクをクリックしてください。
全ての辞書からファインチューニング
を検索
- ファインチューニングのページへのリンク
