我们常常会碰到深度学习和机器学习的概念，那么机器学习和深度学习究竟是什么关系度呢?简单的理解他们是包含与被包含的关系：机学习器学习是一种实现人工智能的方法，而深度学习是一种实现机器学习的技术。


 

一、深度学习与机器学习的概念
 

1、机器学习
 

人工智能的一个分支，机器学习理论主机器学习要是设计和分析一些让计算机可以自动“学习”的算法。

2、深度学习
 

机器学习的一个分支，是一种以人工神经网络(一种模仿生物神经网络的结构深度学习和功能的数学模型)为架构，对数据进行表征学习的算法。
 

二、深度学习与机器学习技术上的差异
 

1、硬件依赖
 

深度学习算法需要进行大量的矩阵运算，而GPU/NPU就主要用于高效优化矩阵运算，所以深度学习更依赖GPU或NPU，比如华为Atlas智能计算平台主要就是基于异腾系列NPU。
 

2、问题解决方式
 

传统机器学习算法解决问题时通常会将问题分解为多个子问题并逐步解决所有子问题，而深度学习则采用的是端到端的解决问题方式。

3、训练所需时间

通常情况下，训练一个深度学习模型需要很长时间，这是因为深度学习算法中参数很多，可能会消耗数周甚至数月时间，而传统的机器学习训练时间相对较少，只需几秒到几小时的时间。

4、可解释性
 

深度学习在某些领域(图像识别，语音语义识别)可以达到甚至超过人类的水平，可深度学习算法不会告诉你他为何做出识别的判断，所以无法解释结果如何产生，而像决策树、线性回归这些传统的机器学习算法则给出了很明确的推导规则。
 

三、为什么需要深度学习?
 

在输入大量数据量的情况下，深度学习对比其他传统的学习算法具有更优的性能和更高的模型精度。
 

四、深度学习是万能的吗?
 

目前，业界有一种错误的较为普遍的意识，即“深度学习最终可能会淘汰掉其他所有机器学习算法”。这种意识的产生主要是因为，当下深度学习在计算机视觉、自然语言处理领域的应用远超过传统的机器学习方法，并且媒体对深度学习进行了大肆夸大的报道。深度学习，确实是目前最热的机器学习方法，但并不意味着是机器学习的终点。进入21世纪，纵观机器学习发展历程，研究热点可以简单总结为2000-2006年的流形学习、2006年-2011年的稀疏学习、2012年至今的深度学习。未来哪种机器学习算法会成为热点呢?我们拭目以待。
 

— END —

文章素材及图片来源网络

相关版权归原创所有

如有侵权请联系删除