深度学习tensorflow数据流图基础知识点

 

一、深度学习与机器学习区别

（一）特征提取方面

1、机器学习的特征工程步骤是要靠手动完成的，而且需要大量领域专业知识 深度学习通常由多个层组成，它们通常将更简单的模型组合在一起，通过将数

据从一层传递到另一层来构建更复杂的模型。通过大量数据的训练自动得到模型，不需

要人工设计特征提取环节。

2、深度学习算法试图从数据中学习高级功能，这是深度学习的一个非常独特的部

分。因此，减少了为每个问题开发新特征提取器的任务。适合用在难提取特征的图像、

语音、自然语言领域。

（二）数据方面

1、机器学习需要的执行时间远少于深度学习

2、深度学习参数往往很庞大，需要通过大量数据的多次优化来训练参数。

（三）算法方面

1、 机器学习

代表：K-Means、决策树、线性回归等

2、 深度学习

代表：神经网络

（四）深度学习应用场景

1、 图像识别

物体识别

车型识别

人脸检测跟踪

人脸身份认证

2、 自然语言处理技术