什么是端到端神经网络？

简单来说就是深度神经网络处理问题不需要像传统模型那样，如同生产线般一步步去处理输入数据直至输出最后的结果（其中每一步处理过程都是经过人为考量设定好的 (“hand-crafted” function)）。

与之相反，只需给出输入数据以及输出，神经网络就可以通过训练自动“学得”之前那些一步接一步的 “hand-crafted” functions。

换句话说端到端其实就是从一端（输入，原始数据）到另一端（输出，结果）的意思。也就是说，端到端意味着，模型的输入是原始的数据，模型的输出是我们想要的结果，在输入和输出的这个过程可以理解为一个黑盒子，是不需要我们手动干涉的。

例子：

$参考RCNN这几篇论文。你可以这样理解：$
$end-to-end训练只用一个阶段，如：FasterR-CNN$
$而R-CNN、FastR-CNN训练需要分为多个阶段：SS+训练SVM+训练边框回归器$