端到端指的是輸入是原始數(shù)據(jù)，輸出是最后的結(jié)果，非端到端的輸入端不是直接的原始數(shù)據(jù)，而是在原始數(shù)據(jù)中提取的特征，這一點在圖像問題上尤為突出，因為圖像像素數(shù)太多，數(shù)據(jù)維度高，會產(chǎn)生維度災(zāi)難，所以原來一個思路是手工提取圖像的一些關(guān)鍵特征，這實際就是就一個降維的過程。那么問題來了，特征怎么提？特征提取的好壞異常關(guān)鍵，甚至比學(xué)習(xí)算法還重要，舉個例子，對一系列人的數(shù)據(jù)分類，分類結(jié)果是性別，如果你提取的特征是頭發(fā)的顏色，無論分類算法如何，分類效果都不會好，如果你提取的特征是頭發(fā)的長短，這個特征就會好很多，但是還是會有錯誤，如果你提取了一個超強特征，比如染色體的數(shù)據(jù)，那你的分類基本就不會錯了。這就意味著，特征需要足夠的經(jīng)驗去設(shè)計，這在數(shù)據(jù)量越來越大的情況下也越來越困難。于是就出現(xiàn)了端到端網(wǎng)絡(luò)，特征可以自己去學(xué)習(xí)，所以特征提取這一步也就融入到算法當(dāng)中，不需要人來干預(yù)了。