如何理解机器学习中的“端到端”(end-to-end)？

来源说明：
本文参考至知乎提问请问“端到端机器学习”中的“端到端”应如何理解？***中，盛夏的枯黄提供的回答。

---

提问：

请问“端到端机器学习”中的“端到端”应如何理解？
下面是查到的文字解释，不过还是感觉不是很容易理解，中间有了步骤就不是端到端了？但一般机器学习总归还是需要数据预处理、特征提取之类的步骤啊？

什么是端到端学习

端到端学习是一种解决问题的思路，与之对应的是多步骤解决问题，也就是将一个问题拆分为多个步骤分步解决，而端到端是由输入端的数据直接得到输出端的结果。但是一般情况下，更常见的是介于两者之间的解决思路，先把任务拆解为简单的两步解决。例如人脸识别门禁系统，不是由检测到的图片直接得到结果（识别出该员工的id），而是第一步将检测到的图片中的人脸部分放大居中，第二步通过识别得到该员工的id。

回答：

谢邀。没有专门去查过end-to-end的定义和解释，只说说自己的理解。先解释一下你问题中的那段话：端到端学习是一种解决问题的思路，与之对应的是多步骤解决问题，也就是将一个问题拆分为多个步骤分步解决，而端到端是由输入端的数据直接得到输出端的结果。其实也就是说，端到端将分步解决的中间步骤连接整合在一起，成为一个黑盒子，我能看看到的只是输入的数据和输出的结果，就是从数据的端，到了结果的端。比如，如果要对一幅图像分类，分步骤解决的办法是：先图像预处理，提取纹理，颜色，饱和度，边缘等等特征，然后按照这些特征设计分类器进行分类，每一步你都进行了设计，筛选，不是黑盒子的。而端到端的做法应该是输入一幅图像，特征提取和分类器在盒子中，你得到只有结果。而你的问题其实是在对输入端的理解。不能说进行了数据预处理就不算是端到端，比如图像送入卷积神经网络之前一般都要缩放到固定的尺寸(也可以通过池化等方式变换到固定尺寸)，但是你预处理之后的结果还是一个图像，并不是你最终需要的分类结果；所以，从你预处理之后的数据到你的结果还是端到端的。再比如，要对一段文本进行情感分类；送入模型之前一般也要进行分词和word2vec，也算是预处理的过程，但是后面的特征学习和分类也是端到端的。所以，预处理只是为了让模型更好更快的学习，但是学习到了什么并不是人为设计的，是一个黑盒子。而且，一个模型是不是端到端，也是要基于你的任务而定的。比如，自然场景的文字识别，通常包含文字检测和文字识别两部分：输入一幅图像输出图像中包含文字的区域(检测)；输入文字区域输出文字内容(识别)；这两部分单独来看都是端到端的，但是就自然场景文字识别这任务而言，如果要分成这两个模型来做就不是端到端的，而应该是：输入一幅带文字的图像，输出图像中的文字内容，不管中间是如何检测和分类是别的，这才是端到端。如你问题中的那段话的后半部分，将分步骤和端到端进行结合才是通用的解决办法，而真正核心的部分在于后面的端到端，前面都可以看作是预处理过程。