端到端模块化设计
ns端是什么意思？
ns端是什么意思？
NS全名NINTENDO SWITCH，是任天堂出的一款掌上游戏机。
NS采用家用机掌机一体化设计。新机不锁区，支持1920*1080电视输出和1280*720掌上输出。港版NS于2017年3月3日发售，台版NS于12月1日发售。
NS 其最大的特征就是同时具备携带和家用两种特性，同时又针对手柄控制器进行模块化设计的全新形态游戏主机。家用机和携带掌机一直是支撑任天堂经营业绩的两大支柱，NS等同于将该社过去的两条产品线合而为一。
如何理解人工智能学习中“端到端机器学习”中的“端到端”？
在端到端的强化学习中，端到端的过程，换言之，整个过程涉及没有模块化的单层或循环神经网络。网络通过强化学习（RL）进行训练。这种方法已经提出了很长时间，但在学习玩Atari视频游戏（2013-15）的成功结果中得到了重新激励。AlphaGo（2016）就采用端到端监督学习而不需要样本（通常是手动标记的）数据。
RL通常需要显式设计状态空间和动作空间，而从状态空间到动作空间的映射是学习的。因此，RL一直限于仅仅为了行动而学习，并且人类设计师必须设计如何从传感器信号构造状态空间，并且在学习之前给出如何为每个动作产生运动命令。RL中经常使用神经网络来提供非线性函数逼近以避免维数崩溃。同时使用递归神经网络，主要是为了避免混叠感知或部分可观测马尔科夫决策过程（POMDP）。
端到端的RL扩展了RL。
该方法起源于TD-Gammon（1992）。[15]在步步高中，通过使用分层神经网络的TD（）来学习自我游戏期间的游戏情况的评估。四个输入用于板上给定位置的给定颜色的数量，共198个输入信号。在内置零知识的情况下，网络学会了在中等水平上玩游戏。
从2013年左右开始，Google DeepMind在视频游戏和Go（AlphaGo）游戏中展示了令人印象深刻的学习成果。他们使用深度卷积神经网络，在图像识别中显示出优越的结果。他们用4帧几乎原始的RGB像素（84×84）作为输入。网络是根据RL进行训练的，奖励代表了比赛得分变化的标志。所有49场比赛都是使用相同的网络架构和最少的先验知识进行Q学习，在几乎所有的比赛中表现都优于竞争方法，并且在与专业人类游戏测试人员相媲美或更高的水平上执行。它有时被称为Deep-Q网络（DQN）。在AlphaGo中，深度神经网络不仅可以通过强化学习进行训练，还可以通过监督学习和蒙特卡洛树搜索进行训练。
了解更多硅谷前沿深度讯息请看 硅发布 微信公众号。