【场景1】 假设你要开辟一个无人驾驶汽车体系，该体系以相机拍摄的原始数据作为输入，然后猜测偏向盘迁移转变的偏向及角度。

如不雅应用机械进修解决这个问题，起重要定义一些特点，比如该动物是否有胡须、耳朵；如不雅有耳朵，那么耳朵是否是尖的。简单地说，我们要定义面部特点，然后让体系辨认出在动物分类中哪些是重要特点。而深度进修会一次性完成这些义务，深度进修会主动找到对分类义务重要的特点，而机械进修不得不人工指定。

深刻进修工作流程如下：

1. 起首在图片中找到和猫或者狗最相干的界线；

2. 然后找到外形和界线的组合，如是否能找到胡须和耳朵；

3. 在复杂概念的持续分层辨认后，就可以或许肯定哪些特点对辨扰绫迁狗起重要感化。

机械进修和深度进修的比较

数据依附

深度进修和传统机械进修最重要的差别是它的机能跟着数据量的增长而加强。如不雅数据很少，深度进修算法机能并不好，这是因为深度进修算法须要大年夜量数据才能很好懂得个中蕴含的模式。这种情况下，应用人工指定规矩的传统机械进修占据优势。如下图所示：

硬件支撑

谷歌是业内有名的应用机械进修/深度进修的公司，如下图所示，谷歌精深度进修应用到不合的产品。

深度进修算法严重依附于高端机，而传统机械进修在低端机上就可以运行。因为深度进修须要进行大年夜量矩阵乘法操作，而GPU可以有效优化这些操作，所以GPU成为个中必弗成少的一部分。

特点工程

特点工程将范畴常识输入特点提取器，降低数据复杂度，使数据中的模式对进修算法加倍明显，获得更优良的结不雅。大年夜时光和专业性方闷匠，这个过程开销很高。机械进修中，大年夜部分应用的特点都是由专家指定或根据先验常识肯定每个数据域和数据类型。比如，特点可所以像素值，外形，纹理，地位，偏向。大年夜多半机械进修办法的机能依附于辨认和采取这些特点的精确度。

深度进修算法试图大年夜数据中进修高层特点，这是深度进修与众不合的一部分，同时也是超出传统机械进修的重要一步。深度进修将每个问题归结为开辟新特点提取器，如卷积神经统??底财揭捉?习如边和直线各种低层特点，然后是面清晨分特点，最后是人脸的高层特点。

　　推荐阅读

　　让问答更自然 - 基于拷贝和检索机制的自然答案生成系统研究

让机械像仁攀类一样拥有智能是研究人员一向以来的斗争目标。因为智能的概念难以确切定义，图灵提出了有名的图灵测试（Turning Test）：如不雅一台机械可以或许与仁攀类展开对话而不克不及>>>详细阅读

本文标题：机器学习和深度学习是怎么一回事？Faizan Shaikh来帮你解答

地址：http://www.17bianji.com/lsqh/35161.html

 1/2    1