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的主要差异。

数据量

机器学习适用于不同数量级的数据，主要用于处理少量数据。而深度学习则在数据量快速增加时发挥高效作用。下图描述了机器学习和深度学习在数据量上的工作方式差异 -

硬件依赖

与传统机器学习算法相比，深度学习算法极大地依赖于高端机器。深度学习算法执行大量矩阵乘法运算，因此需要强大的硬件支持。

特征工程

特征工程是指将领域知识转化为指定特征的过程，目的是降低数据复杂性并将模式呈现给学习算法。

例如，传统机器学习模式专注于特征工程过程中所需的像素和其他属性。深度学习算法专注于从数据中提取高级特征。这减少了为每个新问题开发新特征提取器的任务。