モデル学習

モデル学習

以下の構成で、学習を進めます。

記事の構成

1. モデル学習（RNN）

  • 05_model_training_RNN.ipynb
  • RNN（Recurrent Neural Network） を用いた音声分類モデルの学習
  • LSTM / GRU などの仕組みを解説

2. RNNの評価

3. モデル学習（CNN）

  • 05_model_training_CNN.ipynb
  • CNN（Convolutional Neural Network） を用いた音声分類モデルの学習
  • 畳み込み層（Conv2D）を使う理由を解説

4. CNNの評価

  • 05_model_evaluation_CNN.ipynb
  • CNNモデルの性能を評価
  • Confusion Matrix、Accuracy、Precision、Recall、F1-score を可視化
  • CNNの 強み・弱み を分析

5. モデル学習（Transformer）

  • 05_model_training_TRN.ipynb
  • Transformer（Self-Attention） を用いた音声分類モデルの学習
  • Transformerの仕組みを解説

6. Transformerの評価

  • 05_model_evaluation_TRN.ipynb
  • Transformerモデルの性能を評価
  • Confusion Matrix、Accuracy、Precision、Recall、F1-score を可視化
  • Transformerの 強み・弱み を分析

7. モデル比較・最終評価

  • 06_model_comparison.ipynb
  • RNN / CNN / Transformer 3つのモデルを比較
  • 精度・損失・学習時間・パラメータ数 の違いを可視化
  • 用途ごとの最適なモデルを考察

進め方のポイント

  1. RNNの学習 → RNNの評価
    • RNNの精度や特徴を理解してから次へ進む
  2. CNNの学習 → CNNの評価
    • RNNとの違いを比較しながら理解を深める
  3. Transformerの学習 → Transformerの評価
    • RNN・CNNとの違いを確認し、モデルの選択基準を学ぶ
  4. 最終比較（RNN / CNN / Transformer）
    • 各モデルの特徴を整理し、最適なモデルを選定

このように 「学習 → 評価 → 比較」 の順に進めることで
各モデルの特徴がしっかり理解できる構成になります。