端到端學習到底是什麼呢？簡而言之， 以前有一些資料處理系統或者學習系統，它們需要多個階段的處理。那麼端到端深度學習就是忽略所有這些不同的階段，用單個神經網路代替它。
以語音識別為例，你的目標是輸入x，比如說一段音訊，然後把它對映到乙個輸出y，就是這段音訊的聽寫文字。所以和這種有很多階段的流水線相比，端到端深度學習做的是，你訓練乙個巨大的神經網路，輸入就是一段音訊，輸出直接是聽寫文字。
事實證明，端到端深度學習的挑戰之一是，你可能需要大量資料才能讓系統表現良好，比如，你只有 3000 小時資料去訓練你的語音識別系統，那麼傳統的流水線效果真的很好。但當你擁有非常大的資料集時，比如 10,000 小時資料或者 100,000 小時資料，這樣端到端方法突然開始很厲害了。所以當你的資料集較小的時候，傳統流水線方法其實效果也不錯，通常做得更好。你需要大資料集才能讓端到端方法真正發出耀眼光芒。如果你的資料量適中，那麼也可以用中介軟體方法，你可能輸入還是音訊，然後繞過特徵提取，直接嘗試從神經網路輸出音位，然後也可以在其他階段用，所以這是往端到端學習邁出的一小步，但還沒有到那裡。
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...
什麼是端到端的訓練或學習？
傳統的影象識別問題往往通過分治法將其分解為預處理，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優解。深度學習提供了一種端到端的學習正...
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...