【G検定過去問風テスト】モデルの軽量化手法に関する4択予想問題

2026年8月8日 2026年8月8日 atsushi_kitazawa

※本記事では、アフィリエイトプログラムより教材を紹介しています。

📝 問題

ディープラーニングモデルの軽量化・高速化手法のうち、モデルが持つ数値表現の精度（ビット数）を落とすことでデータ容量を削減し、計算を高速化する手法として、最も適切な選択肢を1つ選べ。

A）剪定（プルーニング）
B）知識蒸留
C）量子化
D）チャネルシャッフル

🔍 ここをクリックして正解を見る

正解: C）量子化

💡 合格に近づく！徹底解説

重要度: ★★★

■ 1分で分かる！この問題の要点

量子化は、パラメータの数値表現の精度（ビット数）を落として軽量化する技術である。
代表例として、学習時の「FP32（32ビット浮動小数点数）」から推論時の「INT8（8ビット整数）」などへの変換が行われる。
「不要な結合を削る」「別の小さなモデルに教え込む」といった他手法との違いを正確に区別することが合格のポイント！

■ 初学者向け解説（例え話や背景）

AIモデルの軽量化技術は、言ってみれば「分厚い専門書をコンパクトなポケット参考書にする作業」に例えられます。

その中でも今回問われた「量子化（Quantization）」は、いわば【文字を小さく簡略化する】作業です。
例えば、画用紙に「小数点以下16桁（FP32）」という極めて精密な文字で数値を書き込んでいたのを、スマホのメモ帳に「大まかな整数（INT8）」として大雑把にメモするようなイメージです。細かい文字の精密さは少し落ちるものの、画用紙そのもののサイズ（メモリ容量）を大幅に節約でき、計算スピードも劇的に速くなります。

G検定では、この「量子化」と、「剪定（不要な部分を切り落とす）」の言葉のすり替え問題が非常によく狙われますので、それぞれの役割をしっかりイメージできるようにしておきましょう！

■ 選択肢の解説

A) 剪定（プルーニング）（×）: 予測結果への寄与度が低い不要な重みや結合（枝）をバサッと削除してスカスカにする技術であり、数値を丸める量子化とは異なります。
B) 知識蒸留（×）: サイズが大きく高精度な「教師モデル」の知識（確率分布のニュアンス）を、小さな「生徒モデル」に引き継いで学習させる手法です。
C) 量子化（○）: パラメータの数値表現の精度（ビット数）を落とすことで、モデルの容量削減と計算の高速化を図る適切な記述です。
D) チャネルシャッフル（×）: ShuffleNetなどで導入されている技術で、グループ畳み込みによって失われるチャネル間の情報交換をシャッフル操作で補うためのものです。

リンク