一、AI、ML、DL基本关系 

机器学习是实现人工智能的途径，深度学习是机器学习的一种方法。

人工智能 (AI)
    ↓
机器学习 (ML) —— 让机器从数据中学习规律
    ↓
深度学习 (DL) —— 使用深层神经网络的机器学习方法

二、深度学习与机器学习

概念

        深度学习（Deep Learning）是机器学习的分支，是一种以人工神经网络为架构，对数据进行特征学习的算法。 这个名字中的“深度”（Deep）来源于其核心模型——神经网络的层数（深度）——用来自动提取特征。

        深度学习就是用来解决特征抽取困难这一类问题的。有一些数据在机器学习中不方便进行特征提取，如文本数据、图像数据、音频数据。与传统机器学习算法不同，深度学习能够自动从原始数据中学习到有用的特征，而不需要人工特征工程，而是依赖算法自动提取特征。

优缺点

#1.优点
自动提取特征
精度高，性能优于其他机器学习算法，某些领域甚至超越了人类
可以拟合任意非线性关系
框架多，不需我们自己造轮子

#2.缺点
黑箱，可解释性差
网络结构复杂，参数多，超参数也多
训练时间长，对算力有较高要求
小数据集上表现不佳，容易过拟合

三、深度学习框架

框架：是一个为解决特定问题而设计的“半成品”软件结构，它提供了一套规范、工具和基础代码，帮助开发者更高效地构建应用程序