传统机器学习与深度学习的区别
传统机器学习（traditionla machine learning），分为两步为特征提取（手工工程handcrafted）和可训练的分类器深度学习（deep learning）一步到位，过程包含了各个level特征提起（low-mid-high）以及分类器，这些都是可训练的。个人认为，之后一些dl子领域的任务，如行人重识别和步态识别都使用了end2end网络，目的也是发挥‘完全深度神经网络’的
·
传统机器学习（traditionla machine learning），分为两步为特征提取（手工工程handcrafted）和可训练的分类器
深度学习（deep learning）一步到位，过程包含了各个level特征提起（low-mid-high）以及分类器，这些都是可训练的。
个人认为，之后一些dl子领域的任务，如行人重识别和步态识别都使用了end2end网络，目的也是发挥‘完全深度神经网络’的能力。但这个端到端的训练，在一个数据集到另个数据集上的表现（cross-domian）上有使用分步（或者handcrafted）鲁棒性强吗？有待思考与查证。
ref:https://atcold.github.io/pytorch-Deep-Learning/
DAMO开发者矩阵，由阿里巴巴达摩院和中国互联网协会联合发起，致力于探讨最前沿的技术趋势与应用成果，搭建高质量的交流与分享平台，推动技术创新与产业应用链接，围绕“人工智能与新型计算”构建开放共享的开发者生态。
更多推荐
0
0- 0
已为社区贡献1条内容
所有评论(0)