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

与传统机器学习算法相反，深度学习算法的设计严重依赖高端机器。 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的过程，以降低数据的复杂性并使学习算法可见的模式。

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。