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，主要用于少量数据。另一方面，如果数据量迅速增加，深度学习就会有效。下图描述了机器学习和深度学习在数据量方面的工作：

硬件依赖

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

特征工程

特征工程是将领域知识放入指定特征以降低数据复杂性并使学习算法可见的模式的过程。

例如，传统的机器学习模式专注于特征工程过程所需的像素和其他属性。深度学习算法专注于数据的高级特征。它减少了为每个新问题开发新特征提取器的任务。