理解什么是机器学习中的端对端

简单讲解一下本人对端对端模型的理解， 参考知乎回答内容。

首先我们先来介绍一下什么是非端对端模型。
非端对端模型就是将一个任务分为多个步骤或模型解决的模型。典型的一个非端对端模型为NLP 任务拆分为分词、词性标注、句法分析、语义分析等多个独立步骤，我们可以知道每一个小模型的参数，输出，以及可以分析每一个模型对整体模型的贡献。

端对端模型： 将多步骤/模块的任务用一个步骤/模型解决的模型。
可以理解为从输入端到输出端中间只用一个步骤或模块，比如神经网络训练的过程就是一个典型的端对端学习，我们只能知道输入端与输出端的信息，中间的训练过程就是一个黑盒，我们知晓中间的训练过程。

端对端学习： 将需要使用多个模型学习分别的参数用一个模型联合学习的学习。

端对端的优点：

1. 减少了工程的复杂度
2. 避免了多模块导致的问题

端对端的缺点：

1. 模型的可解释性差，无法确定模型中组件对模型的贡献是什么
2. 模型灵活性低，比如原本的多个模块中数据的获取难度不一样的时候，可能不得不依靠额外的模型来协助训练