事前学習は大量のデータで 重みを学習 事前学習済みモデルは 学習済みの重みを持つ 古典的事前学習は 層を一つずつ学習させた手法 現代的事前学習は 大規模データで汎用表現を学習 後で個別タスクに適応 転移学習は重み固定で 出力層を再学習 ファインチューニングは 重みを初期値に全体を微調整 二つの違いは再学習する範囲 メリットは学習時間の短縮 少ないデータで 高い精度と汎化性能向上 事前学習が先 ファインチューニングは後 転移学習は重み固定で 出力層のみ学習 ファインチューニングは 重みを初期値に全体を微調整
