深度學習中對 end2end的理解
在神經網路中，經常看到end2end的訓練方式。
end2end在不同的應用場景中有不同的詮釋，對於視覺領域而言，神經網路的輸入為，輸出就是我們想要的結果。例如:
1,自動駕駛中，輸入為道路的，輸出就是轉向的角度。
2，視覺機械人，輸入的是，輸出就是機械手運動的指令。
3，目標識別中，輸入為待檢測，輸出就是檢測到的目標類別以及目標位置。
從目標檢測的角度理解：
非end2end模式下進行目標檢測，一般神經網路中會分為兩個部分，第一部分是region proposal，這部分的功能是負責找出中目標的位置和大小。第二部分就是判斷第一部分中是否真的存在目標，以及目標是屬於哪一類，判斷一般是在cnn中來完成的。這種套路一般都是在rcnn中經常使用。
在end2end模式下，位置和類別全部由乙個模型解決，原始影象輸入，模型輸出的結果就是位置和類別。一端輸入原始影象，一端輸出想要的結果，只關心輸入和輸出，中間的步驟全部都不管。
end2end的好處：
通過縮減人工預處理和後續處理，盡可能使模型從原始輸入到最終輸出，給模型更多的可以根據資料自動調節的空間，增加模型的整體契合度。end2end強調的是全域性最優，中間部分區域性最優並不能代表整體最優。
什麼是端到端（end2end）的學習？
傳統的影象識別問題往往通過分治法將其分分解為預處理 特徵提取和選擇 分類器設計等若干步驟。分治法的動機是將影象識別的母問題分解為簡單 可控且清晰的若干小的子問題。不過分步解決子問題時，儘管可以在子問題上得到最優解，但子問題上的最優解並不意味著就能得到全域性問題的最後解。深度學習提供了一種 端到端 的...
深度學習中的batch的大小對學習效果與時間的影響
這個答案寫的很好，下次再總結下 batchsize 影響模型的泛化效能，小的batchsize能提高模型的泛化效能。隨機梯度下降演算法的原理如下 n是批量大小 batchsize 是學習率 learning rate 可知道除了梯度本身，這兩個因子直接決定了模型的權重更新，從優化本身來看它們是影響模...
C 深度解析教程學習筆記（2）C 中的引用
1 變數名的回顧 變數是一段實際連續儲存空間的別名,程式中通過變數來申請並命名儲存空間 通過變數的名字可以使用儲存空間。變數的名字就是變數的值,變數名是取位址操作 2 c 中新增加了引用的概念 引用可以看作乙個己定義變數的別名 引用的語法 type name var type 為型別名,name 為...