50.选择管道组件之数据可用性 翻译自 吴恩达新书-Machine Learning Yearning

更多好玩的机器学习教程: 进入袋马学院领一份 ，全部免费?.

当构建一个非端到端系统上时，算法流程中，有哪些可以选的组件呢？如何设计算法流程会极大的影响你的系统性能。其中非常重要的一个因素是，你能否非常轻易的为每个组件都采集到数据。

比如，考虑下面这个自动驾驶的例子：

你可以使用机器学习算法检测其他车辆和行人。这种情况下采集数据并不难：有大量的计算机数据数据库中，包含了标记好的汽车和行人。你也可以使用众包(比如亚马逊的Mechanical Turk)来获取更多的数据集。因此很容易获取训练数据，来构建汽车检测器和行人检测器。

相反，在纯端到端方法中：

你需要大量的图片和转向方向对应的数据集。让你一个到处开车并记录转向信息来采集数据，是非常耗时的，而且成本非常高。你需要组建一个装有特殊装备的车队，并让他们到处驾驶，以便覆盖各种可能的场景。这使得端到端系统变得难训练。相反，采集大量标记好的汽车或行人图片，相对简单的多。

更一般的说，如果有大量的数据用来训练流程中的中间模块(比如汽车检测器、行人检测器)，那么你可以使用一个多阶段的流程。这种结构可能更好一些，这样你就能使用所有的数据来训练中间模块了。

在没有更多的端到端数据可以之前，我相信在自动驾驶问题上，非端到端的方法还是非常有前景的。它的结构与可用的数据更匹配。

更多好玩的机器学习教程: 进入袋马学院领一份 ，全部免费?.