gk neural_network cnn models
G検定トップ
＞ CNN代表モデルまとめ（LeNet / AlexNet / VGG / ResNet）
まず結論
- CNNは課題に応じて進化してきた
- 各モデルは「何を解決したか」で覚える
- G検定では モデル名と特徴の対応 が頻出
直感的な説明
CNNの代表モデルは、
「前のモデルの弱点をどう克服したか」
という視点で並んでいます。
- 精度を上げたい
- 深くしたい
- 勾配が消えるのを防ぎたい
という課題に対する 回答の歴史 です。
代表的なCNNモデル
LeNet（1998）
位置づけ
- CNNの原点
特徴
- 畳み込み + プーリング + 全結合
- 手書き数字認識（MNIST）
AlexNet（2012）
位置づけ
- 深層学習ブームの火付け役
特徴
- ReLUの採用
- GPUによる高速学習
- Dropoutで過学習対策
VGG（2014）
位置づけ
- シンプル構造で高性能
特徴
- 小さなフィルタ（3×3）を多数積む
- 構造が分かりやすい
ResNet（2015）
位置づけ
- 超深層化を可能にしたモデル
特徴
- スキップ接続（残差接続）
- 勾配消失問題を緩和
いつ使う？（得意・不得意）
| モデル | 覚えるポイント |
|---|---|
| LeNet | CNNの原点 |
| AlexNet | ReLU・GPU・Dropout |
| VGG | 小さなフィルタを深く |
| ResNet | スキップ接続で深層化 |
G検定ひっかけポイント
- ❌「VGGはスキップ接続を使う」→ 誤り
- ❌「ResNetは浅いネットワーク」→ 誤り
- ✅ AlexNet＝ReLU・GPU
- ✅ ResNet＝勾配消失対策
まとめ（試験直前用）
- CNNモデルは 進化の流れで覚える
- モデル名と特徴を1対1で対応づける
- ResNetは深層化の決定打
👉 次は RNN（再帰型ニューラルネットワーク） に進めます。
🔗 関連記事
- CLIP（画像とテキストの対応付けモデル）とは？G検定対策
- PaLM（大規模言語モデル）とは？G検定対策
- PaLM-E（環境対応マルチモーダルモデル）とは？G検定対策
- TF-IDF・Word2Vec・BERTの違いとは？役割で整理するNLP基礎【G検定対策】
- A2C / A3C とは？（Actor–Critic の実装差）【G検定対策】
🏠 G検トップに戻る