AI資格 模擬試験

G検定 模擬問題 第2回 問93・ディープラーニングの応用例（転移学習・ファインチューニング）

LoRA

大規模なモデルをファインチューニングするとき、元の重みは固定したまま、小さな低ランクの行列だけを追加で学習して、必要な計算資源を大きく減らす手法として、最も適切なものを1つ選べ。

  1. A

    ドロップアウト

  2. B

    LoRA（Low-Rank Adaptation）

  3. C

    データ拡張

  4. D

    知識の蒸留

正解と解説を見る

正解：B

LoRA は、元の重みを固定し、低ランクの行列だけを学習する効率的なファインチューニングの手法。

固定された大きな重み行列と、横に並ぶ小さな2つの行列（学習する部分）を足し合わせるLoRAの図。

LoRA：元の重みは固定し、小さな低ランクの行列だけを追加で学習する（パラメータ効率のよい微調整）。

学習のポイント：パラメータを効率よく調整する方法（PEFT）の考え方を押さえる。

この問題を演習で解く →

問題一覧へ

このサイトの問題は、各試験の公開されているシラバスに沿って作ったオリジナルの模擬問題です。本試験の問題ではありません。日本ディープラーニング協会（JDLA）・一般社団法人生成AI活用普及協会（GUGA）の公式サービスではありません。