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」的學習正規化，整個學習的流程並不進行人為的子問題劃分，而是完全交給深度學習模型直接學習從原始資料到期望輸出的對映。
如圖所示，對深度模型而言，其輸入資料是未經任何人為加工的原始樣本形式，後續則是堆疊在輸入層上的眾多操作層。這些操作層整體可以看作乙個複雜的函式fcnn，最終的損失函式由資料損失（data loss）和模型引數的正則化損失（regularization loss）共同組成，模型深度的訓練則是在最終損失驅動下對模型進行引數更新並將誤差反向傳播至網路各層。模型的訓練可以簡單抽象為從原始資料向最終目標的直接擬合，而中間的這些部件起到了將原始資料對映為特徵隨後在對映為樣本標記的作用。
總結一下：端到端的學習其實就是不做其他額外處理，從原始資料輸入到任務結果輸出，整個訓練和**過程，都是在模型裡完成的。
end2end learning 端到端學習
在deeplearning的文章中有看到end2end一次，作者們似乎都比較喜歡這個end2end learning的方式。那麼到底啥是end2end？找了一下相關 沒找到專門講這個概念的，看來應該不是很嚴格定義的乙個說法。那就搬運一下quora上的提問和回答吧。問題 回答1 end to end ...
深度學習中對 end2end的理解
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...
什麼是端到端的學習模型？
什麼是端到端的學習模型？看了很多部落格，大家大部分都在說，就是將原始資料作為輸入，不經過資料預處理，然後最後得到輸出結果，但是，大家都沒有具體解釋為什麼端到端比非端到端有優勢呢？好，看了幾篇部落格之後說一下我自己說的理解 端到端的學習模型是指將原始資料不做任何的預處理直接將原始資料輸入到模型當中，最...