端到端指的是輸入是原始數據，輸出是最后的結果，非端到端的輸入端不是直接的原始數據，而是在原始數據中提取的特征，這一點在圖像問題上尤為突出，因為圖像像素數太多，數據維度高，會產生維度災難，所以原來一個思路是手工提取圖像的一些關鍵特征，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鍵，甚至比學習算法還重要，舉個例子，對一系列人的數據分類，分類結果是性別，如果你提取的特征是頭發的顏色，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，比如染色體的數據，那你的分類基本就不會錯了。這就意味著，特征需要足夠的經驗去設計，這在數據量越來越大的情況下也越來越困難。于是就出現了端到端網絡，特征可以自己去學習，所以特征提取這一步也就融入到算法當中，不需要人來干預了。