与传统机器学习不同的是，深度学习不需要手工从数据中选择并提取特征，整个特征工程完全是自动化的，这[br][/br]种学习方法被称为端到端学习法。
举一反三
- 与传统机器学习方法相比，深度学习的优势在于 A: 深度学习可以自动学习特征 B: 深度学习完全不需要做数据预处理 C: 深度学习完全不提取底层特征，如图像边缘、纹理等 D: 深度学习不需要调参
- 深度学习是端到端学习，系统自动提取不同层次的特征。
- 下列关于深度学习的跟踪方法描述不正确的是()。 A: CNN具有强大的特征描述能力,因此常用深度特征替代传统人工选择特征进行跟踪。 B: 端到端的深度学习方法简化了机器学习各环节的人工设计流程,直接学习从原始数据到期望输出的映射,提升跟踪效果。 C: 缺点是需要大量的训练样本,同时也需要GPU的硬件支持。 D: 深度学习的效果一定比传统方法效果好。
- 深度学习是机器学习的一个子问题，其主要目的是从数据中自动学习到有效的特征表示。
- 深度学习尝试从数据中直接获取高等级的（ ），这是深度学习与传统机器学习的主要不同。 A: 特征 B: 数据 C: 像素 D: 纹理