知识卡片
端到端联合学习映射
端到端模型从任务输入得到最终输出,并用同一任务的目标训练中间表示。比如图像分类把像素直接映射到类别分数。分阶段方案可以单独检查人工特征提取和分类效果,联合训练给中间表示更多自由,也使错误更难归因到一个独立模块。整体目标仍可以配合输入预处理和分模块诊断。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 一入侯门“深”似海,深度学习深几许 1.7 深度学习的方法论 · 查看原书依据
比如,基于深度学习的图像识别系统,输入端是图片的像素数据,而输出端直接就是或猫或狗的判定。这个端到端就是,像素→判定。
参考来源
- 位置:《深度学习之美:AI时代的数据处理与最佳实践》第01章《一入侯门“深”似海,深度学习深几许》,1.7 深度学习的方法论(book-source:extracted/深度学习之美:AI时代的数据处理与最佳实践/_epub-src/OEBPS/Text/chapter6_0007.xhtml#txt001_8)
- 结论依据:原文的猫狗分类把系统的两端落在可观察的输入和最终任务输出上,并讨论中间表示的解释成本。
- 原始内容:比如,基于深度学习的图像识别系统,输入端是图片的像素数据,而输出端直接就是或猫或狗的判定。这个端到端就是,像素→判定。