传统机器学习的流程往往由多个独立的模块组成。比如在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，每个任务结果的好坏会影响到下一步骤，从而影响整个训练的结果，这是非端到端。
端到端学习到底是什么呢？上面说了，在一些问题需要多个阶段的处理，那么端到端学习就是忽略所有不同的阶段，用单个神经网络代替它。从输入端到输出端会得到一个预测结果，与真实结果相比较会得到一个误差，这个误差会在模型中的每一层反向传播，每一层的表示都会根据这个误差再做调整，直到模型收敛或达到模型预期效果才结束，中间所有的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，这就是端到端学习。
