PyTorch – 机器学习与深度学习

在本章中，我们将讨论机器学习和深度学习概念之间的主要区别。

数据量

机器学习适用于不同数量的数据，主要用于少量的数据。另一方面，如果数据量迅速增加，深度学习就会有效地工作。下图描述了机器学习和深度学习在数据量方面的工作情况。

硬件依赖性

与传统的机器学习算法相反，深度学习算法被设计为严重依赖高端机器。深度学习算法执行大量的矩阵乘法运算，需要巨大的硬件支持。

特征工程

特征工程是将领域知识放入指定的特征中的过程，以减少数据的复杂性，使学习算法可以看到的模式。

例如，传统的机器学习模式专注于像素和特征工程过程所需的其他属性。深度学习算法关注的是数据中的高水平特征。它减少了为每个新问题开发新特征提取器的任务。