吴恩达DL3.2.9节：什么是端到端的DL？

1. 课堂笔记
   端到端(end-to-end)学习:传统处理方法的输入和输出中间有很多步骤，而端到端DL是忽略这中间的所有阶段，用单个神经网络去代替它。

例子：语音识别成文字
比如人脸识别的门禁系统：
传统人脸识别有两个步骤：
1.标识出照片中的人脸的位置
2.将照片中的人脸和库中的人脸进行对比，判断是否是一个人。
而端到端学习直接把拍到的照片和库中的人脸照片相比较，得出结果。
但是这里存在一个问题：
当分为两步时，每一步都更容易有更多的训练数据，而端到端的话不容易有这么多数据（拍到的照片和照片中人脸的数据），如果有这么多数据，那么端到端也许回避分阶段效果更好。

另外的例子：
机器翻译 和 根据X光图片判断孩子的年龄

1. 机器翻译中，因为现在很容易收集很多语音和文字的对应关系的数据集，所以端到端的方法会更好用；
2. X射线诊断中，根据手的X涉嫌判断儿童的年龄，可以为分为两步：
   1. 从X射线图中将每一块骨骼检测出来；
   2. 利用骨骼来判断儿童的年龄
      这两步的数据都比较容易获得，
      而反观端到端学习，直接由X射线图来识别出年龄，这样的数据不容易获取，所以在你没有得到更多这样的数据集之前，分阶段学习可能是更好的选择。

讲到这里我个人感觉当端到端的数据好获取的时候，端到端不仅表现优异，而且能够简化系统架构，此时选择端到端是较为合适的。

下节将讲述何时适合使用端到端学习。