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，如果数据量快速增加，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原理 -

硬件依赖性

与传统机器学习算法相反，深度学习算法的设计严重依赖于高端机器。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特征中以降低数据复杂性并形成对学习算法可见的模式的过程。

例如，传统的机器学习模式侧重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。