Was bedeutet End-to-End in Deep-Learning-Methoden?

Ich möchte wissen, was es ist und wie es sich vom Ensemble unterscheidet.

Angenommen, ich möchte für eine bestimmte Aufgabe eine hohe Genauigkeit bei der Klassifizierung und Segmentierung erzielen. Wenn ich dazu verschiedene Netzwerke wie CNN, RNN usw. verwende, wird dies als End-to-End-Modell bezeichnet. (Architektur?) oder nicht?

machine-learning terminology deep-learning

— Rika
quelle

Ende-zu-Ende = alle Parameter werden gemeinsam trainiert (vs. Schritt für Schritt )
ensembling = Mehrere Klassifikatoren werden unabhängig voneinander trainiert, jeder Klassifikator erstellt eine Vorhersage und alle Vorhersagen werden mit einer Strategie zu einer zusammengefasst (z. B. wird die häufigste Vorhersage für alle Klassifikatoren verwendet).

— Franck Dernoncourt
quelle

Vielen Dank. Grundsätzlich möchte ich eine hohe Genauigkeit bei der Klassifizierung und Segmentierung erreichen, und ich bin bereit, Deep-Learning-Methoden (Architekturen?) zu verwenden und aus all diesen Methoden und Architekturen ein vollständiges Modell zu bilden. Heißt das Ende zu Ende? Wird es als Ensemble betrachtet?

— Rika

@Hossein Werden Ihre Klassifikatoren unabhängig voneinander trainiert?

— Franck Dernoncourt

Das ist eine schöne Frage, ich habe keine Ahnung! Wie wirkt sich das auf uns aus? Sie wissen, ich recherchiere gerade und habe keine Ahnung, womit ich es zu tun haben werde. Ich versuche also, einen guten Überblick über die Konzepte zu bekommen, die ich in der Literatur sehe.

— Rika

@ Hossein es betrifft nur den Namen :)

— Franck Dernoncourt

@ Hossein: Wenn Sie das CNN zur gleichen Zeit wie das RNN trainieren, dann ist es ein durchgehendes Training.

— Franck Dernoncourt