PyTorch - 機器學習與深度學習

在本章中，我們將討論機器學習和深度學習概念的主要差異。

資料量

機器學習適用於不同數量級的資料，主要用於處理少量資料。而深度學習則在資料量快速增加時發揮高效作用。下圖描述了機器學習和深度學習在資料量上的工作方式差異 -

硬體依賴

與傳統機器學習演算法相比，深度學習演算法極大地依賴於高階機器。深度學習演算法執行大量矩陣乘法運算，因此需要強大的硬體支援。

特徵工程

特徵工程是指將領域知識轉化為指定特徵的過程，目的是降低資料複雜性並將模式呈現給學習演算法。

例如，傳統機器學習模式專注於特徵工程過程中所需的畫素和其他屬性。深度學習演算法專注於從資料中提取高階特徵。這減少了為每個新問題開發新特徵提取器的任務。