接触深度学习以来一直接触的概念都是回归，分类，偶尔接触到结构化学习的概念，似懂非懂的糊弄过去，实在是不负责的表现
翻阅维基百科https://en.wikipedia.org/wiki/Structured_prediction，有些理解了
相比于回归，输出一个标量或者预测，输出一个向量，结构化学习的输出更加复杂，可以是图像，可以是语句，可以是树结构，等等可由更小的组件构成的结构体，我的理解。
目前最火的技术GAN，最多的用处便是生成图像，这就是一个结构化学习的例子，其实像目标检测，语义分割，实例分割这些也是结构化学习，因为他们的输出都不是简单的标量或向量，是结构更加复杂的输出了，还有，像李宏毅老师课程里讲的，机器翻译，语音识别，聊天机器人都是结构化学习。
做个类比的话，标量和向量更像是原子，分子，而结构化输出更像是物体，由许多原子，分子组成。