本文介绍了End-to-End学习的概念，对比了它与传统非End-to-End学习的区别，阐述了End-to-End学习在语音识别、自动驾驶等领域的应用及其优缺点，并讨论了在数据不足情况下非End-to-End学习算法中pipline的重要性。
1. 什么是End-to-End 学习
要知道什么是End-to-End学习首先要知道传统的非End-to-End学习是什么。以语义分类（判断评论为正面评论还是负面评论）为例，非End-to-End的学习需要对语音识别之前要经过两步处理：解析器(Parser) 注释文本和情感分类器(Sentiment Classifier)预测文本。
解析器是对文本进行标注，比如形容词（好，坏，糟糕等），情感分类器再来预测文本是正面的还是负面的，整个过程如图：
End-to-End 学习不需要这些步骤，像黑盒子一样一步到位解决问题。神经网络算法就是一个被广泛应用的End-to-End学习的算法。End-to-End 算法尤其适用于数据量巨大的机器学习任务中。
最低0.47元/天 解锁文章
523
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
