演習 3: 特徴抽出とファインチューニング
この演習では、特徴抽出とファインチューニングを使用して Google の Inception v3 モデルを活用し、演習 1 と 2 の猫と犬の分類システムの精度をさらに高めます。
ML の実践: 画像分類
特に記載のない限り、このページのコンテンツはクリエイティブ・コモンズの表示 4.0 ライセンスにより使用許諾されます。コードサンプルは Apache 2.0 ライセンスにより使用許諾されます。詳しくは、Google Developers サイトのポリシーをご覧ください。Java は Oracle および関連会社の登録商標です。
最終更新日 2025-01-28 UTC。
[[["わかりやすい","easyToUnderstand","thumb-up"],["問題の解決に役立った","solvedMyProblem","thumb-up"],["その他","otherUp","thumb-up"]],[["必要な情報がない","missingTheInformationINeed","thumb-down"],["複雑すぎる / 手順が多すぎる","tooComplicatedTooManySteps","thumb-down"],["最新ではない","outOfDate","thumb-down"],["翻訳に関する問題","translationIssue","thumb-down"],["サンプル / コードに問題がある","samplesCodeIssue","thumb-down"],["その他","otherDown","thumb-down"]],["最終更新日 2025-01-28 UTC。"],[[["This exercise leverages Google's Inception v3 model through feature extraction and fine-tuning to enhance the accuracy of a cat-vs-dog image classifier."],["It builds upon the previous exercises on image classification, refining the model for better performance."],["You will practically implement these techniques using a provided Google Colab notebook."]]],[]]