什么是 end-to-end 神经网络？——知乎解答

最新推荐文章于 2024-04-22 13:32:09 发布
最新推荐文章于 2024-04-22 13:32:09 发布
阅读量168 收藏
点赞数
文章标签： 人工智能

什么是 end-to-end 神经网络？

https://www.zhihu.com/question/51435499

 

解答1

张旭
像机器一样学习，像人一样生活
等
 
端到端指的是输入是原始数据，输出是最后的结果，原来输入端不是直接的原始数据，而是在原始数据中提取的特征，这一点在图像问题上尤为突出，因为图像像素数太多，数据维度高，会产生维度灾难，所以原来一个思路是手工提取图像的一些关键特征，这实际就是就一个降维的过程。
那么问题来了，特征怎么提？
特征提取的好坏异常关键，甚至比学习算法还重要，举个例子，对一系列人的数据分类，分类结果是性别，如果你提取的特征是头发的颜色，无论分类算法如何，分类效果都不会好，如果你提取的特征是头发的长短，这个特征就会好很多，但是还是会有错误，如果你提取了一个超强特征，比如染色体的数据，那你的分类基本就不会错了。
这就意味着，特征需要足够的经验去设计，这在数据量越来越大的情况下也越来越困难。
于是就出现了端到端网络，特征可以自己去学习，所以特征提取这一步也就融入到算法当中，不需要人来干预了。
发布于 2016-11-01
 
 
胖子不胖
长得很帅的胖子
 
 

其实就是joint learning.

end-to-end 的本质是你要解决的问题是多阶段的或多步的(跟所谓的raw feature没啥关系)。如果分阶段学习的话，第一阶段的最优解不能保证第二阶段的问题达到最优。end-to-end把他们堆在一起来优化，确保最后阶段的解达到最优。
 
 
weixin_33725126
关注
【理解】end-to-end And sequence-to-sequence
巫_月的博客
10-11 477
1.end-to-end 2. sequence-to-sequence Sequence to Sequence学习简述 - 知乎 【NLP论文笔记】Sequence to Sequence Learning with Neural Networks - 简书 Sequence to Sequence模型笔记 - 简书 重点： LSTM的优势在于处理序列，它可以将上文包含的信息保存在隐藏状态中，这样就提高了算法对于上下文的理解能力。 Encoder的...
一文搞定BP神经网络——从原理到应用（原理篇）
热门推荐
佐井白白的微笑
10-11 26万+
神经网络结构以及前向传播过程 损失函数和代价函数 反向传播 1 矩阵补充知识 11 矩阵求梯度 12 海塞矩阵 13 总结 2 矩阵乘积和对应元素相乘 3 反向传播原理四个基础等式 4 反向传播总结 41 单样本输入公式表 42 多样本输入公式表 本文小结 Hello，对于神经网络的原理，我入门了好多次，每次都觉得懂了，但是其实内部原理并没有理解透彻。经过不懈努力，终于茅塞顿开，遂总结此文。 本
End-to-End Arguments in System Design（端到端设计）
10-21
关于网络中端到端设计的一篇很好的论文~~~大家可以轻松获得
什么是end-to-end神经网络？
深藏功与名
11-03 3万+
来源：知乎 著作权归作者所有。 讨论: 张旭---------------------------------> 端到端指的是输入是原始数据，输出是最后的结果，原来输入端不是直接的原始数据，而是在原始数据中提取的特征，这一点在图像问题上尤为突出，因为图像像素数太多，数据维度高，会产生维度灾难，所以原来一个思路是手工提取图像的一些关键特征，这实际就是就一个降维的过程。 那么问题来了
深度学习中 “end to end” 网络
liguandong
06-22 1418
“end to end”理解起来就是端到端网络，现在我做高光谱遥感时，都会在论文里面加一句模型实现了端到端的网络，作为深度学习的一个优势提出来。端到端，其实就是从模型的输入端到输出端，不需要经过预处理或者后处理手段，原始数据进入网络输出结果。端到端网络统一了处理训练过程分类过程，全部交给网络来处理。传统方法处理高分辨率影像时，首先需要人工的设计特点，提取图像特征点，将提取的特征作为模型输入在送入分...
end-to-end 神经网络
识物专栏
04-10 1088
目录 什么是end-to-end 广义的理解 狭义理解 个人观点 什么是end-to-end end-to-end（端到端）是一个新的名词，那么什么是端到端呢？ 从字面意思理解就是：raw data 丢进去，期望的输出吐出来，拿去训练就能得到好看的结果。就像是一个黑盒，直接把原始数据输入神经网络的一端，从另一端得出我们需要的结果。 广义的理解 端到端指的是输入是原始数据，输...
计算机网络的魅力：探秘End to End原则
m0_72410588的博客
07-29 186
End to End原则是一种设计原则，指的是系统中的边缘节点应该尽可能简单，而将更复杂的功能放在核心节点上。在计算机网络中，End to End原则强调在通信终端点之间进行直接的、简单的通信，而避免在中间节点过多地处理和干预。通过本文的介绍，我们对计算机网络中的End to End原则有了更深入的了解。End to End原则的合理应用可以提高网络的性能和可靠性，保护用户数据的安全。在今后的网络设计和应用中，我们应该充分发挥End to End原则的优势，构建更加安全、高效的计算机网络。
端到端无人驾驶文献学习：End-to-end Learning of Driving Models from Large-scale Video Datasets
Nick_cloud的博客
11-09 1391
End-to-end Learning of Driving Models from Large-scale Video Datasets1 简介3 深度通用驱动网络4 数据集5 实验6 结论 End-to-end Learning of Driving Models from Large-scale Video Datasets是一篇由加州大学伯克利分校完成的，收录在CVPR_2017的论文集中。定义了如何从视觉的角度通过深度学习来实现自动驾驶，并且与英伟达、CMU的ALVINN的工作不同，不仅仅在路况简
End-to-End Object Detection with Fully Convolutional Network论文翻译
Q1u1NG的博客
12-08 1921
End-to-End Object Detection with Fully Convolutional Network论文翻译摘要1.介绍2.相关工作2.1 全卷积目标检测器2.2 端到端的目标检测3.方法3.1 标签分配的分析3.1.1 One-to-many标签分配3.1.2 手工设计的One-to-one标签分配3.2 我们的方法3.2.1 Prediction-aware One-to-one标签分配3.2.2 3D Max Filtering3.2.3 辅助损失4. 实验4.1 实现细节4.2
深度学习之基础模型——循环神经网络RNN
最新发布
m0_61787307的博客
04-22 1320
而反过来思考之前主要用于处理图像的 CNN，像素之间虽然确实可能存在潜在的关联，但是宏观角度我们并不清楚他们之间的联系，或者换句话说，图片像素之间的联系是空间维度，而并不是时间维度。比如现在我们想用神经网络处理行人的运动轨迹，如果我们用卷积神经网络，那么对于不同时间的轨迹数据，卷积权重都是一样的。如果我们从存在角度，这个句子如果写在纸上，那么其确实存在于空间维度，但是从理解角度，我们是从“你”字开始，依次往后看“这么”“年轻”“睡得着”，我们需要之前的汉字，才能辅助理解后面的汉字，乃至整个句子。
从机器学习算法的发展 理解 端到端（end to end）学习
weixin_37136725的博客
11-09 5551
经典机器学习方式是以人类的先验知识将raw数据预处理成feature，然后对feature进行分类。分类结果十分取决于feature的好坏。所以过去的机器学习专家将大部分时间花费在设计feature上。那时的机器学习有个更合适的名字叫feature engineering 。 后来人们发现，利用神经网络，让网络自己学习如何抓取feature效果更佳。于是兴起了representation lear
End-to-End Memory Network
zeng
10-21 1498
Introduction构建一个能在回答一个问题或者完成一个任务总执行多个计算步骤，并且能够描述序列数据的长程依赖的模型，是人工智能的两大挑战。最近，许多使用显示存储和注意力机制的计算模型热门起来了，通过操作这样一个存储提供了一个解决这两个挑战的方法。在[23,8,2]中，存储被赋予了一个连续表示；通过神经网络的动作来对存储的读写或者其他处理步骤进行建模。这个新颖的RNN结构，它能在输出一个符号之前
读论文end-to-end Memory Networks
u010041824的专栏
01-18 728
相关论文 《end-to-end memory networks》 《aspect level sentiment classification with deep memory network》 《entity disambiguation with memory network》 第一篇是2015年发表的关于注意力模型应用到NLP上的文章。一作是Sainbayar Sukhbaatar
深度学习中端到端（end-to-end）简要理解
ElysiumAILab
10-30 1万+
端到端 end-to-end
端到端模型（end-to-end）与非端到端模型
云隐雾匿的博客
02-10 7628
端到端模型（end-to-end）与非端到端模型，pipeline，序列到序列
端到端的神经网络(end-to-end)
小鱼的小窝
10-26 9810
端到端的神经网络
如何理解深度学习中的端到端（End-to-end）概念
weixin_43960370的博客
05-01 1072
DeepMind神作Human-level control through deep reinforcement learning，其实也可以归为end-end，深度增强学习开山之作，值得学习：http://www.nature.com/nature/journal/v518/n7540/full/nature14236.html。并且，神经网络可以很好地学习到特征的描述，之前需要人工设计的特征算子，本身也可以通过神经网络的方式，让模型自己习得，从而可以用于其他的任务以及更深的研究。
端到端的深度学习（end-to-end learning）一分钟理解
m0_51370744的博客
11-30 2547
一分钟快速理解端到端学习概念
神经网络中end-to-end training和end-to-end models的区别
Microstrong
09-07 6597
学习神经网络的时候，常常看到论文里说，这个网络模型是end-to-end trainable，end-to-end trainable是指什么样子的网络?不是很理解，所有在网上查找很多资料，来整理一下！ 传统的语音识别系统，是由许多个模块组成的，包括声学模型、发音词典、语言模型。其中声学模型和语言模型是需要训练的。这些模块的训练一般都是独立进行的，各有各的目标函数，比如声学模型的训练目标是最大化
多个微服务怎么合并成为一个服务? - 知乎
07-14
多个微服务合并为一个服务的过程通常被称为服务合并或服务重构。下面是一些常见的方法和步骤： 1. 分析微服务之间的关系：首先，需要对现有的微服务架构进行分析，了解每个微服务的功能和相互依赖关系。...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值