⑤ ディープラーニングの応用例 ／ 34. モデルの軽量化
量子化とは
量子化とは、パラメータを32bit浮動小数点数から8bit整数などへ変換し、メモリ削減と高速化を実現する手法です。精度低下とのトレードオフが生じます。
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
数値の細かさを粗くすることで、モデルを小さく・速くする手法です。
数値を粗くする
通常、重みは32bitの浮動小数点数で保持されます。これを8bit整数にすればデータ量は4分の1になります。
さらに整数演算は浮動小数点演算より高速で消費電力も小さいため、推論速度も向上します。この考え方は音声のPCMにおける量子化と同じです。
精度とのトレードオフ
細かい値を丸めるので情報は失われます。どこまで粗くしてよいかはタスクによって変わります。
量子化を前提として学習させる手法もあり、精度低下を抑える工夫が研究されています。エッジAIでは広く採用されている技術です。
学習時に考慮する
学習後に変換するだけでなく、量子化されることを前提に学習する方法もあります（量子化認識学習）。
あらかじめ粗い数値で動くことを織り込んで学習するため、精度低下を抑えられます。
🎯 G検定での押さえどころ
- 32bit → 8bitなどへ精度を落とす
- メモリ削減と高速化を実現
- 精度低下とのトレードオフがある
⚠️ よくある誤りの選択肢
- 「量子化は重みの数を減らす手法である」→ 誤り。数値の精度を落とします（減らすのはプルーニング）
📘 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。