Deep Leaning 学习笔记之组织机器学习项目（2.4）——端对端学习

1 端对端学习

1.1 概念

简单地说，我们有一些数据处理系统，或者是由多个阶段组成的学习系统，端到端的深度学习做的，就是它可以捕获所有的阶段，并且，通常可以将其替代为单个神经网络，也就是说运行速度更快。

1.2 例子

正常学习，是一步步进行学习。

• 比如，通过一张手的X光图片，先学习每个骨节的长度，再学习手的平均长度，然后推断人的年龄。
• input X ——> 每个骨节长度 ——> 手骨的平均长度 ——> 年龄Y
• 这个叫做传统的管道法

端对端学习，则是直接对应的从输入X到输出Y的学习：

• input X ——> 年龄Y

1.3 两者优劣

一般来说

1. 用正常学习的比较多，因为正常学习方法，对于数据集的要求不高，可能有10000条数据就能够进行
2. 端对端学习，需要大量的数据作为支撑，可能是10W，或者100W，或者更多

2 什么时候使用端对端学习

2.1 端对端的优缺点

优点：

• 让数据说话（即让数据自己摸索规律，去由X得到Y）
• 需要人们手工设计的组件变得更少了

缺点：

• 需要大量的数据
• 排除了一些具有潜在用途的手工设计组件，但是如果你没有足够的数据，那么你的学习算法就不能够洞悉你数据中的规律

关键点：

• 是否有足够的数据去学习出 具有能够映射X到Y的复杂方程