我爱读文献

1、为什么说深度学习是一种端到端的方法？

端到端指的是输入是原始数据，输出是最后的结果，原来输入端不是直接的原始数据，而是在原始数据中提取的特征
而深度学习模型在训练过程中，从输入端（输入数据）到输出端会得到一个预测结果，与真实结果相比较会得到一个误差，这个误差会在模型中的每一层传递（反向传播），每一层的表示都会根据这个误差来做调整，直到模型收敛或达到预期的效果才结束，这是端到端的。
　　与传统的传统机器学习的流程往往由多个独立的模块组成，比如在一个典型的自然语言处理（Natural Language Processing）问题中，包括分词、词性标注、句法分析、语义分析等多个独立步骤，每个步骤是一个独立的任务，其结果的好坏会影响到下一步骤，从而影响整个训练的结果，这是非端到端的。
两者相比，端到端的学习省去了在每一个独立学习任务执行之前所做的数据标注，为样本做标注的代价是昂贵的、易出错的。

2、元学习是什么？

给定一个新概念，人们可以想象在不同的场景下这个物体会是什么样子。人类拥有这种从少量例子中快速学习和归纳的能力（例如，一个小孩仅仅看到过几张狗的照片就可以把狗和其他物体区别开）
元学习所研究的就是如何利用有限的数据提取先验知识并将其转移到不可见的任务中。
元学习（meta learning)即learn to learn.其内核在于迁移学习

机器学习和迁移学习的对比

Tor (The onion router)

一种软件，是第二代路由的一种实现，用户可以通过它在因特网上进行匿名交流。
专门防范流量过滤，嗅探分析，让用户免受其害，Tor在由“onion routers”组成的表层网上进行通信，可以实现匿名对外连接，匿名隐藏服务
在5层协议栈中的应用层进行加密，每个路由器间的传输都是经过对等密钥来加密，形成有层次的结构
（一种浏览器，只不过多用于黑色产业）

精度，召回率

精度就是检查