“end to end”理解起来就是端到端网络，现在我做高光谱遥感时，都会在论文里面加一句模型实现了端到端的网络，作为深度学习的一个优势提出来。端到端，其实就是从模型的输入端到输出端，不需要经过预处理或者后处理手段，原始数据进入网络输出结果。
端到端网络统一了处理训练过程分类过程，全部交给网络来处理。传统方法处理高分辨率影像时，首先需要人工的设计特点，提取图像特征点，将提取的特征作为模型输入在送入分类器。使用深度学习手段之后，特征提取交给卷积神经网络来做，实际上，内部的操作就像一个黑盒，当然我们也可以通过一些手段去看每一层处理的效果，deepdream就是比较好的例子，但是特征提取之后直接接分类器的话，就不需要人工的预处理，这个方式显然是极具有优势的。在处理高光谱遥感影像的时候，传统的2D-CNN前面也接一个降维操作，然后放进CNN中，这样相比较与直接把3D影像输入到3D-CNN中，对于空谱利用就充分的多，而且贯彻了端到端网络的模式，不过3D-CNN速度偏慢，泛化性也好的多。
端到端作为一个方式提出来，做模型的人肯定希望以端到端的形式呈现出来，把内部操作都封装起来，自动驾驶也有提过这个概念，不过相对于高光谱图像处理而言，自动驾驶过于复杂，端到端一般是不可行的。