深度学习与机器学习

由于深度学习和机器学习往往可以互换使用，因此值得注意两者之间的细微差别。如上所述，深度学习和机器学习都是人工智能的子领域，深度学习是机器学习的子领域。

深度学习由神经网络组成。深度学习中的“深度”是指由三层以上组成的神经网络，包括输入和输出，可以认为是深度学习算法。这通常用下图表示。

深度学习和机器学习的不同之处在于每种算法的学习方式。深度学习使过程中的大部分特征提取部分实现自动化，消除了一些所需的人工干预，并允许使用更大的数据集。正如莱克斯·弗里德曼 (Lex Fridman) 在上述麻省理工学院讲座中指出的那样，您可以将深度学习视为“可扩展的机器学习”。经典的或“非深度”的机器学习更依赖于人类干预来进行训练。人类专家确定特征的层次结构以了解数据输入之间的差异，通常需要更结构化的数据来学习。企业级 GPU 将帮助处理深度学习和机器学习所需的数学密集型工作负载。

“深度”机器学习可以利用标记数据集（也称为监督学习）来通知其算法，但它也可以使用原始内容（例如文本或图像）进行无监督学习，并且它可以自动确定特征的层次结构区分不同类别的数据。与机器学习不同，它不需要人工干预来处理数据，使我们能够以更有趣的方式扩展机器学习。