（ The end to end)
传统机器学习流程往往由多个独立模块组成，比如说在一个典型的自然语言处理问题中，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，其结果好坏会影响下一个步骤，从而影响整个训练结果，这是非端到端的。
从输入端到输出端会得到一个预测结果，将预测结果与真实结果进行比较得到误差，将误差反向传播到网络各个层之中，调整网络权重和参数直到模型收敛或达到预期的效果为止，中间所有操作都包含在神经网络内部，不再分成多个模块处理。由原始的数据输入，到结果输出，从输入端到输出端，中间的神经网络自成一体，这是端到端的。
（中间所有操作在神经网络内部）
端到端省去了在每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，容易出错的。
大致都先这样理解端到端技术，慢慢的在深入了解端到端的技术空白，全部将其深入研究透彻，研究彻底。