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。
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。
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...
2 9 什麼是端到端的深度學習？
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...
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...