⑤ ディープラーニングの応用例 ／ 34. モデルの軽量化
モデル圧縮とは
モデル圧縮とは、精度をできるだけ維持したまま、モデルサイズや計算量を削減する技術の総称です。量子化・蒸留・プルーニングなどが代表例です。
この用語はG検定シラバスの「34. モデルの軽量化」に含まれます。 章全体の用語は用語解説⑤（全133語）にまとまっています。
一言でいうと
精度をなるべく落とさずに、モデルを小さく軽くする技術の総称です。
なぜ必要なのか
高性能なモデルほど巨大で、スマートフォンや組み込み機器では動きません。クラウドに送れば通信の遅延とプライバシーの問題が生じます。
エッジAIを実現するには軽量化が不可欠です。
3つの代表的手法
「精度を落とす／削る／教える」と整理すると3手法を区別しやすくなります。いずれも精度とのトレードオフが生じます。
組み合わせて使う
各手法は併用できます。プルーニングで削り、量子化で軽くし、蒸留で仕上げる、といった具合です。
目標とする端末の制約から逆算して組み合わせるのが実務的な進め方です。
混同しやすい用語との違い
| 用語 | ポイント |
|---|---|
| 量子化 | 数値の精度を落とす |
| プルーニング | 不要な重みを削除する |
| 蒸留 | 軽量な生徒モデルに教え込む |
🎯 G検定での押さえどころ
- 精度を保ちつつサイズ・計算量を削減する総称
- 代表例は量子化・プルーニング・蒸留
- エッジAIの実現に不可欠
⚠️ よくある誤りの選択肢
- 「モデル圧縮を行っても精度は一切低下しない」→ 誤り。トレードオフが生じます
📘 もっと深く学ぶ
- 数式レベルまで踏み込んだ解説 → 医療AIナビ「モデルの軽量化」（E資格向け）
関連する用語
ご利用にあたって 本ページの内容は、JDLAが公開しているG検定シラバス2024や公式テキストなど、一般に公開されている情報をもとに独自に整理・解説したものです。実際の試験の出題内容を示すものではなく、また合格を保証するものでもありません。制度・法令・試験要項は変更されることがあるため、最新の情報は必ずJDLA公式サイトでご確認ください。