DataRailroad

end-to-end란?

딥러닝에서 end-to-end의 의미는 입력에서 출력까지 파이프라인 네트워크 없이 신경망으로 한 번에 처리하는 것을 의미합니다.

즉, 복잡한 파이프라인 없이 하나의 신경망으로 입력받은 것을 출력할 수 있다는 것입니다.

end-to-end  장점

- 신경망 모델로 입력 받은 값에 대한 출력 값을 찾아낼 수 있습니다.

- 직접 파이프라인 설계할 필요가 없어집니다.

end-to-end  단점

- 라벨링 된 데이터가 많이 필요합니다.

- 메모리가 부족할 경우 사용할 수 없습니다.

- 복잡한 문제를 해결하기에는 효율적이지 않습니다.