[DL] End-To-End Model

나도 딥러닝을 처음 공부할 땐, end-to-end 모델이라는게 뭔가 싶었다,,ㅋㅋ

이제는 그래도 안다고 생각해서 가볍게나마 지식을 기록하고 싶어서 작성한다!

 

ML/DL 에서 흔히 볼 수 있는 단어인 end-to-end ,,, 무슨 뜻일까?

==> 입력에서 출력까지 고전방법에서 사용하던 파이프라인 네트워크 없이 신경망으로 한 번에 처리한다는 의미

 

(파이프라인 네트워크 = 전체 네트워크를 이루는 부분적인 네트워크)

 

저 그림을 예시로 들자면,

고전방법에서 만약 음성 인식 태스크를 수행한다고 하자.

 

그럼 처음에 오디오 파일이 있으면 음성에서 각 피쳐를 추출한다 -> 알고리즘으로 오디오 안 음성의 음소를 알아낸다 -> 이 음소들을 조합해 단어로 만든다 -> 출력

 

같은 몇 가지 과정을 거친다.

 

하지만 현재의 end-to-end 모델은 데이터를 넣으면 딥러닝 모델이 알아서 출력이 구해진다.

 

 

장점

충분한 양의 라벨링 데이터가 있으면 신경망 모델로 해결가능!

직접 파이프라인 설계 필요성 줄어듦

 

단점

신경망에 너무 많은 계층의 노드가 있거나 메모리가 부족할 경우, 엔드 투 엔드 learning으로 학습 불가

문제가 복잡할수록 전체를 파이프라인 네트워크로 나눠서 해결하는 것이 더 효율적일 수 있음