検索

モデルが学習を通じて獲得する内部の数値。重みやバイアスの総称。

学習を始める前に人間が設定する、学習の進め方を制御する値。

モデルの一部のパラメータだけを更新し、低コストでファインチューニングする手法群。

画像や紙の文書に写った文字を、コンピュータが読める文字に変換する技術。

データから学習した規則を内部に持ち、入力に対して予測や生成を行う仕組み。

モデルの予測と正解とのズレを数値化する関数。学習はこの値の最小化を目指す。

損失関数を最小化するよう、モデルのパラメータを調整していく過程。

1回のパラメータ更新でまとめて処理する訓練データの件数。

ニューロンの出力に加える調整用の定数。重みとは別に学習されるパラメータ。

元のモデルを固定し、小さな追加行列だけを学習する代表的なPEFT手法。

パラメータの数値精度を下げてモデルを軽量化し、省メモリ・高速化する技術。

モデル規模・データ量・計算量を増やすほど性能が予測的に向上する経験則。

GPUに搭載されたメモリ。扱えるモデルやバッチの大きさを決める。

1バッチを処理してパラメータを1回更新する、学習の最小ステップ。

機械学習の実験管理・可視化を行う代表的なMLOpsツール。