開発・運用環境（エッジコンピューティング、分散処理、アクセラレータ、環境構築）
スマートフォンなどの計算資源が限られたエッジデバイス上で画像分類を行うアプリケーションを開発する際、モデルサイズと推論速度を重視した設計として最も適切なものはどれか。
- ✓Depthwise Separable Convolutionなど計算量を削減する軽量な畳み込み構造を採用したアーキテクチャを用いる
- Bパラメータ数の多い非常に深いネットワークを採用し、精度を最優先して設計する
- Cバッチ正規化やDropoutなどの正則化手法をすべて除去してモデルを単純化する
- D学習時のデータ拡張を最大限に増やすことでモデルサイズを削減する
解説
Depthwise Separable Convolutionは通常の畳み込みに比べて計算量とパラメータ数を大幅に削減できるため、計算資源の限られたエッジデバイス向けの軽量アーキテクチャ設計に有効である。
根拠シラバス「開発・運用環境」内「エッジコンピューティング」