作为一般规则，连接系统的端到端训练将优于具有多个部分的系统，因为具有端到端训练的组合系统允许每个部分独立适应任务。因此，如果与你的应用相关，考虑这些组合的部分是有用的。

各种学习器的集合（即装袋（bagging）、提升（boosting）、堆叠（stacking））也可以提高单个模型的性能。但是，这将需要你训练和维护集合中的所有学习器。如果你的性能目标值得这样做，那么值得测试一个集合的方法。

总结

当你在以前没有使用过深度学习的应用程序上实验时，atv，本报告为你提供了许多因素作为参考。并不是每个项目都与这些因素相关，但我希望本文能涵盖在项目期间你应该考虑的大多数因素。祝你成功。

　　本文为机器之心编译，转载请联系本公众号获得授权。

　　?------------------------------------------------

加入机器之心（全职记者/实习生）：[email protected]

投稿或寻求报道：[email protected]

广告&商务合作：[email protected]