投稿日: Sep 8, 2022
Amazon SageMaker はデータサイエンティストや機械学習担当者が機械学習モデルのトレーニングとデプロイを迅速に開始できるように、組み込みアルゴリズム、トレーニング済みモデル、構築済みソリューションテンプレートのスイートを提供します。これらのアルゴリズムとモデルは、教師あり学習と教師なし学習の両方に使用でき、表形式、画像、テキストなど、さまざまな入力データを処理できます。
本日より、Amazon SageMaker は画像分類のための新しい組み込みアルゴリズムである「画像分類 - TensorFlow」を提供します。これは教師あり学習アルゴリズムで、TensorFlow Hub で利用可能な事前トレーニング済みモデルの多くについて、転送学習をサポートします。このアルゴリズムは画像を入力として受け取り、各クラスラベルの確率を出力します。これらの事前トレーニング済みモデルは、大量のトレーニング画像がない場合でも、転送学習を使用して微調整できます。これは SageMaker の組み込みアルゴリズム や、SageMaker Studio の SageMaker JumpStart UI から利用できます。
Amazon SageMaker の画像分類 TensorFlow を使用すると、TensorFlow Hubで利用可能な多くの事前トレーニング済みモデルで転送学習を行えます。機械学習では、あるモデルのトレーニング結果を利用して別のモデルを生成することを転送学習と呼びます。トレーニングデータ内のクラスラベルの数に応じて、分類レイヤーが事前トレーニング済みの TensorFlow Hub モデルにアタッチされます。分類レイヤーは、ドロップアウトレイヤーと密なレイヤー、2 ノルムの正則化器を持つ完全接続レイヤーからなり、ランダムな重みで初期化されます。モデルトレーニングには、ドロップアウトレイヤーのドロップアウト率に関するハイパーパラメータと、密なレイヤーの L2 正則化係数があります。そして、事前にトレーニングされたモデルを含むネットワーク全体、または最上層の分類レイヤーのみを新しいトレーニングデータで微調整できます。このアルゴリズムは、カスタムデータセットを微調整するための幅広いトレーニングハイパーパラメータを提供します。
このアルゴリズムの使用方法については、AWS ドキュメントの「Image Classification - TensorFlow」や、サンプルノートブックの「Introduction to SageMaker TensorFlow - Image Classification」をご覧ください。これらのアルゴリズムの使用方法に関するより詳細な説明は、「Transfer learning for TensorFlow image classification models in Amazon SageMaker (Amazon SageMaker での TensorFlow 画像分類モデルの転送学習)」のブログに記載されています。