チェックポイント ネットワークからの学習の再開
この例では、深層学習ネットワークの学習時にチェックポイント ネットワークを保存する方法と以前に保存したネットワークから学習を再開する方法を説明します。
サンプル データの読み込み
サンプル データを 4 次元配列として読み込みます。digitTrain4DArrayData は数字の学習セットを 4 次元配列データとして読み込みます。XTrain は 28×28×1×5000 の配列で、28 はイメージの高さ、28 は幅です。1 はチャネルの数で、5000 は手書きの数字の合成イメージの数です。YTrain は各観測値のラベルを含む categorical ベクトルです。
[XTrain,YTrain] = digitTrain4DArrayData; size(XTrain)
ans = 1×4
28 28 1 5000
XTrain のイメージをいくつか表示します。
figure idx = randperm(size(XTrain,4),49); I = imtile(XTrain(:,:,:,idx)); imshow(I)
ネットワーク アーキテクチャの定義
ニューラル ネットワーク アーキテクチャを定義します。
layers = [
imageInputLayer([28 28 1])
convolution2dLayer(3,8,Padding="same")
batchNormalizationLayer
reluLayer
maxPooling2dLayer(2,Stride=2)
convolution2dLayer(3,16,Padding="same")
batchNormalizationLayer
reluLayer
maxPooling2dLayer(2,Stride=2)
convolution2dLayer(3,32,Padding="same")
batchNormalizationLayer
reluLayer
averagePooling2dLayer(7)
fullyConnectedLayer(10)
softmaxLayer];学習オプションの指定とネットワークの学習
モーメンタム項付き確率的勾配降下法 (SGDM) の学習オプションを指定し、チェックポイント ネットワークを保存するためのパスを指定します。
checkpointPath = pwd; options = trainingOptions("sgdm", ... InitialLearnRate=0.1, ... MaxEpochs=20, ... Verbose=false, ... Plots="training-progress", ... Metrics="accuracy", ... Shuffle="every-epoch", ... CheckpointPath=checkpointPath);
関数trainnetを使用してニューラル ネットワークに学習させます。trainnet 関数は、エポックごとに 1 つのチェックポイント ネットワークを保存し、チェックポイント ファイルに一意の名前を自動的に割り当てます。分類には、クロスエントロピー損失を使用します。既定では、関数 trainnet は利用可能な GPU がある場合にそれを使用します。GPU での学習には、Parallel Computing Toolbox™ ライセンスとサポートされている GPU デバイスが必要です。サポートされているデバイスの詳細については、GPU 計算の要件 (Parallel Computing Toolbox)を参照してください。そうでない場合、関数 trainnet は CPU を使用します。実行環境を手動で選択するには、ExecutionEnvironment 学習オプションを使用します。
net1 = trainnet(XTrain,YTrain,layers,"crossentropy",options);
チェックポイント ネットワークの読み込みと学習の再開
学習が中断され、完了しなかったとします。学習を最初から再開するのではなく、最後のチェックポイント ネットワークを読み込んで、その時点から学習を再開できます。trainnet 関数は、net_checkpoint__195__2025_05_01__10_24_32.mat の形式のファイル名でチェックポイント ファイルを保存します。ここで、195 は反復回数、2025_05_01 は trainnet がネットワークを保存した日付、10_24_32 はその時刻です。チェックポイント ネットワークの変数名は net です。
チェックポイント ネットワークをワークスペースに読み込みます。
load("net_checkpoint__195__2025_05_01__10_24_32.mat","net")
学習オプションを指定して、最大エポック数を減らします。初期学習率などのその他の学習オプションも調整できます。
options = trainingOptions("sgdm", ... InitialLearnRate=0.1, ... MaxEpochs=15, ... Verbose=false, ... Plots="training-progress", ... Metrics="accuracy", ... Shuffle="every-epoch", ... CheckpointPath=checkpointPath);
新しい学習オプションで読み込んだチェックポイント ネットワークの層を使用して、学習を再開します。
net2 = trainnet(XTrain,YTrain,net,"crossentropy",options);
参考
trainnet | trainingOptions | dlnetwork
