パラメータとデータの量
ディープラーニングで、パラメータの多い大きなモデルを使うときの一般的な注意点として、最も適切なものを1つ選べ。
- A
パラメータが多いほど、少ないデータでも過学習しにくい。
- B
パラメータが多いほど、計算資源は少なくて済む。
- C
パラメータの数は、学習の結果に影響しない。
- D
パラメータの多いモデルは表現力が高いが、十分な量のデータや計算資源がないと過学習しやすい。
正解と解説を見る
正解：D
大きなモデルは表現力が高いが、十分なデータと計算資源がないと過学習しやすい。
- A
誤り。データが少ないと、パラメータの多いモデルほど過学習しやすい。
- B
誤り。一般に、パラメータが多いほど多くの計算資源が必要になる。
- C
誤り。モデルの表現力や過学習のしやすさに影響する。
- D
正しい。データが少ないときは、学習済みモデルを使う転移学習も有効。
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。