機械学習の計算速度を上げるには

プログラミング初心者です。

以下のディレクトリ構造に基づき、alexnetの転移学習を数千枚の画像で行ったのですが、

計算結果を出すまでに数日～1週間強かかってしまいます。

精度を保ちつつ計算速度を上げたいと考えておりますが、ご示唆を頂けますでしょうか。

転移学習のリンク:https://jp.mathworks.com/help/deeplearning/examples/transfer-learning-using-alexnet.html

どうぞよろしくお願いいたします。

main

-- a

-- image.dcm(thousands of image file)

　-- b

　　-- image.dcm(thousands of image file)

　-- c

　　-- image.dcm(thousands of image file)

-- d

　　-- image.dcm(thousands of image file)

Answer 1

[Kenta]

https://jp.mathworks.com/help/deeplearning/examples/feature-extraction-using-alexnet.html

学習済みネットワークで特徴量抽出をしたあとに、SVMで分類してはどうでしょうか。

この方法にすると計算がはやくなると思います。現在の方法で時間がかかってしまう理由等は、コーディングやパラメータ、ハード類などの情報がないので残念ながらわかりません。

[ssk]

ありがとうございます！SVMを導入してみます！

[ssk]

頂いたコードをもとにalexnetで特徴量を抽出後にSVMで分類したところ、格段に計算が早くなりました。ありがとうございます！一つご質問ですが、こちらのコードはGooglenetなど他の学習済みネットワークで特徴量抽出をしたあとに、SVMで分類することは可能という認識でお間違えないでしょうか？

Googlenetでビッグデータのトレーニングをしようとしたところ、当方の環境ではこちらは約1ヶ月程かかりそうですので。。

[Kenta]

はい、ほかの事前学習済みネットワークで特徴量抽出をしたのちSVMで分類可能です。

もしかしたら、squeezenetなどの比較的小さなネットワークでもよい結果がでるかもしれません。