
AI・コンピューティング
転移学習
- 構成:
- 事前トレーニングと微調整
- アスペクト比:
- 16:9
プロンプト
2つのライトパネルで左から右に読む【転移学習】の図式を作成します。各関係をリストどおりに正確に描画します。
1. 【左パネル: 大規模なソース データセット (大きなデータベース アイコン) → 事前学習済みモデル (青で描かれたネットワーク)。】
2. 【太い矢印は、事前トレーニングされたレイヤーを左パネルから右パネルに運びます。】
3. 【右パネル: 小さなターゲット データセット (小さなデータベース アイコン) → 同じネットワーク、青色の初期レイヤは小さなロックで凍結され、最後のレイヤはオレンジ色 → ターゲット タスク (チェック マーク)】
この図には T バーがありません。図の中の番号付きの文章は書かないでください。各ラベルは図全体で 1 回だけ記述します。
ラベル(それぞれ一度だけ使用し、他の文字は追加しない): 【Source dataset, Pretrained model, Target dataset, Frozen layers, Fine-tuned layer, Target task】.
スタイル: ジャーナル形式の概略図。白い背景にきれいなフラット ベクトル グラフィックス。モジュールは、内側に短い名前が入った角丸長方形または単純なアイコンです。ライト パステル パネルは、関連するレイヤーをグループ化します。落ち着いた色は 3 ~ 4 色だけで、それぞれに 1 つの固定された意味があります。細く均一な矢印は、データ、エネルギー、物質、または影響の流れを示します。間接リンクまたはフィードバック リンクの破線の矢印。サンセリフ英語ラベルのみ。各ラベルは 1 回だけ表示され、指定されたとおりに綴られます。 3D レンダリング、影、輝き、サイバーパンクやテクノロジー背景の装飾、フォトリアリズムはありません。
このプロンプトと作例を参考画像として Yila で開きます。
作例は Nano Banana で生成しました。GPT Image などほかの画像モデルでも使えますが、結果はモデルによって異なります。






