転移学習とは何ですか？

通常、画像分類モデルのトレーニングには数日かかる場合がありますが、転移学習は、関連タスクのために既にトレーニングされたモデルを取得し、それを新しいモデルを作成するための開始点として使用する手法です。通常、これには1時間もかかりません。 （このプロセスは、モデルの「微調整」とも呼ばれます。）

転移学習は、次の2つの方法で実行できます:

• 最終層のみの再トレーニング：このアプローチでは、最終分類が行われるモデルの最後の数層のみを再トレーニングします。これは高速で、小さなデータセットで実行できます。

• 完全なモデルの再トレーニング：このアプローチでは、新しいデータセットを使用してニューラルネットワークの各レイヤーを再トレーニングします。その結果、モデルはより正確になりますが、時間がかかります。また、モデルの過剰適合を避けるために、かなりのサンプルサイズのデータ​​セットを使用して再トレーニングする必要があります。

転移学習は、事前に訓練されたモデルで学習された機能が一般的であり、高度に専門化されていない場合に最も効果的です。たとえば、家庭用品を認識できる事前トレーニング済みモデルは、新しい事務用品を認識するように再トレーニングされる場合がありますが、異なる犬種を認識するよう事前トレーニングされたモデルはそうでない場合があります。

新しいクラスのセットを認識するために画像分類モデルを再トレーニングする方法は？

転送学習を使用して既存のモデルを再トレーニングし、Edge TPUデバイスで実行するようにコンパイルします（Googleグローバル販売代理店-Gravitylinkオンラインストアから取得できます: https://store.gravitylink.com/global）。再トレーニングしたモデルは、Coral Dev Boardまたは Coral USBアクセラレータ。