什么是端到端的学习模型?
看了很多博客,大家大部分都在说,就是将原始数据作为输入,不经过数据预处理,然后最后得到输出结果,但是,大家都没有具体解释为什么端到端比非端到端有优势呢?
好,看了几篇博客之后说一下我自己说的理解:
端到端的学习模型是指将原始数据不做任何的预处理直接将原始数据输入到模型当中,最后得到的输出结果与期望结果有误差,这误差在反向传播模型的各层中,将参数进行优化,一直到期望结果结束。非端到端是将原始数据进行标注,得到具有特征的处理后的数据,然后在作为输入,这样的弊端是如果提取数据特征时出现错误,将无法调整。
以上是我自己的理解,也希望有大佬为我指正错误!!感激不尽!!!!
参考博客:https://blog.csdn.net/weixin_38145317/article/details/9090242590902425.nonecase&utm_term=
https://blog.csdn.net/m0_38027013/article/details/90147012
https://blog.csdn.net/cs24k1993/article/details/79118460
https://blog.csdn.net/weixin_41036461/article/details/79915452
https://blog.csdn.net/qq_38410428/article/details/91381151
https://blog.csdn.net/langb2014/article/details/53019350