読み方：てんいがくしゅう

転移学習【transfer learning】

概要

転移学習とは、機械学習の手法の一つで、あるタスクで学習したモデルや知識を、別の関連するタスクに再利用すること。大規模なデータですでに学習済みのモデルを利用して、少量のデータで効率的に特定のタスク向けのモデルを作成することができる。

通常、機械学習では対象となるタスクごとに大量のデータを用いて一からモデルを学習させる必要があるが、転移学習では何らかのデータによって既に学習済みのモデルを利用する。一から学習するには大量のデータの計算時間が必要だが、転移学習は少数の教師データで効率的に特定目的のモデルを作ることができる。

例えば、一般的な物体を識別するための画像認識用のデータを学習したモデルは、輪郭や色、形状といった画像の持つ汎用的な特徴をすでに獲得している。これに特定の製品の良品の画像と不良品の画像を与えて学習させることにより、製品の検品を行う画像識別モデルを作成することができる。

なお、狭義の転移学習は既存モデルの内部を固定して再学習によって変更せず、出力側に新たに層を追加してそのパラメータを調整する。一方、「ファインチューニング」（fine tuning）と呼ばれる手法では、既存モデルの内部も含めて再学習によってパラメータ調整を行う。広義にはこうした手法も含めて転移学習と呼ぶこともある。