端到端指的是輸入是原始數(shù)據(jù),，輸出是最后的結(jié)果,，非端到端的輸入端不是直接的原始數(shù)據(jù),，而是在原始數(shù)據(jù)中提取的特征,，這一點(diǎn)在圖像問題上尤為突出，因?yàn)閳D抄像像素?cái)?shù)太多,，數(shù)據(jù)維度高,，會(huì)產(chǎn)生維度災(zāi)難,，所以原來一個(gè)思路是手工提取圖像的一些關(guān)鍵特征,，這實(shí)際就是就一個(gè)降維的過程,。那么問題來了,，特征怎么提,？特征提取的好壞異常關(guān)鍵,，甚至比學(xué)習(xí)算法還重要，舉個(gè)例子,，對(duì)一系列人的數(shù)據(jù)分類,，分類結(jié)襲果是性別,，如果你提取的特征是頭發(fā)的顏色，無論分類算法如何,，知分類效果都不會(huì)好,，如果你提取的特征是頭發(fā)的長(zhǎng)短，這個(gè)特征就會(huì)好很多,，但是還是會(huì)有錯(cuò)誤，如果你提取了一個(gè)超強(qiáng)特征,，比如染色體的數(shù)據(jù)，那你的分類基本就不會(huì)錯(cuò)了,。這就意味著,，特征需要足夠的經(jīng)驗(yàn)去設(shè)計(jì),，這在道數(shù)據(jù)量越來越大的情況下也越來越困難。于是就出現(xiàn)了端到端網(wǎng)絡(luò),，特征可以自己去學(xué)習(xí),，所以特征提取這一步也就融入到算法當(dāng)中，不需要人來干預(yù)了,。
端到端是傳輸層的,，你比如你要將數(shù)據(jù)從A傳送到E,，中間可能經(jīng)過A→B→C→D→E，對(duì)于傳輸層來說他并不知道b,c,d的存在,，他只認(rèn)為我的報(bào)文數(shù)據(jù)是從a直接到e的,，這就叫做端到端。 總之,，一句話概括就是端到端是由無數(shù)的點(diǎn)到點(diǎn)實(shí)現(xiàn)和組成的。 |
|
|
