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
- 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
- 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