【论文笔记】如何理解深度学习中的End to End

End to end：指的是输入原始数据，输出的是最后结果，应用在特征学习融入算法，无需单独处理。

end-to-end（端对端）的方法，一端输入个人原始数据，一端输出我想获得的结果。只关心输入和输出，中间的步骤所有都无论。

　　端到端指的是输入是原始数据，输出是最后的结果，原来输入端不是直接的原始数据，而是在原始数据中提取的特征，这一点在图像问题上尤其突出，由于图像像素数太多，数据维度高，会产生维度灾难，因此原来一个思路是手工提取图像的一些关键特征，这实际就是就一个降维的过程。
　　那么问题来了，特征怎么提？
　　特征提取的好坏异常关键，甚至比学习算法还重要，举个例子，对一系列人的数据分类，分类结果是性别，若是你提取的特征是头发的颜色，不管分类算法如何，分类效果都不会好，若是你提取的特征是头发的长短，这个特征就会好不少，可是仍是会有错误，若是你提取了一个超强特征，好比染色体的数据，那你的分类基本就不会错了。
　　这就意味着，特征须要足够的经验去设计，这在数据量愈来愈大的状况下也愈来愈困难。
　　因而就出现了端到端网络，特征能够本身去学习，因此 特征提取这一步也就融入到算法当中，不须要人来干预了。

　　简单来讲就是深度神经网络处理问题不须要像传统模型那样，如同生产线般一步步去处理输入数据直至输出最后的结果（其中每一步处理过程都是通过人为考量设定好的 (“hand-crafted” function)）。

　　与之相反，只需给出输入数据以及输出，神经网络就能够经过训练自动“学得”以前那些一步接一步的 “hand-crafted” functions。

相关理解：

一、传统系统须要几个模块串行分别设计，end2end把中间模块都去掉了。
以机器翻译为例 要设计翻译模型 语言模型 调序模型
端到端就是直接一个模型搞定

二、cnn就是比较典型的end2end模型。在图像分类里输入image各通道像素，输出图像类别。 相比于非end2end，conv层的卷积核能够充当feature extractor部分而不须要额外的工做去作特征工程的内容。尽管每一层须要本身设计，但如何获得feature并不须要额外的操做。

三、另外一种理解：就是输入一头猪，输出的是香肠

End-to-end在不一样应用场景下有不一样的具体诠释，

对于视觉领域而言，end-end一词多用于基于视觉的机器控制方面，具体表现是，神经网络的输入为原始图片，神经网络的输出为（能够直接控制机器的）控制指令，如：

1. Nvidia的基于CNNs的end-end自动驾驶，输入图片，直接输出steering angle。从视频来看效果拔群，但其实这个系统目前只能作简单的follow lane，与真正的自动驾驶差距较大。亮点是证明了end-end在自动驾驶领域的可行性，而且对于数据集进行了augmentation。连接：https://devblogs.nvidia.com/parallelforall/deep-learning-self-driving-cars/

2. Google的paper: Learning Hand-Eye Coordination for Robotic Grasping with Deep Learning and Large-Scale Data Collection，也能够算是end-end学习：输入图片，输出控制机械手移动的指令来抓取物品。这篇论文很赞，推荐：https://arxiv.org/pdf/1603.02199v4.pdf

3. DeepMind神做Human-level control through deep reinforcement learning，其实也能够归为end-end，深度加强学习开山之做，值得学习：http://www.nature.com/nature/journal/v518/n7540/full/nature14236.html

4. Princeton大学有个Deep Driving项目，介于end-end和传统的model based的自动驾驶之间，输入为图片，输出一些有用的affordance（实在不知道这词怎么翻译合适…）例如车身姿态、与前车距离、距路边距离等，而后利用这些数据经过公式计算所需的具体驾驶指令如加速、刹车、转向等。连接：http://deepdriving.cs.princeton.edu/

总之

end-end不是什么新东西，也不是什么神奇的东西，仅仅是直接输入原始数据，直接输出最终目标的一种思想。