深度学习包含深度迁移学习，它们都利用了深层神经网络（Deep Neural Network，DNN）来处理数据，并从中学习特征。但是，它们也有一些区别。
- 深度学习是一种机器学习方法，它通过多层神经网络来自动学习特征，并从数据中预测结果。它通常用于解决图像分类、语音识别和自然语言处理等问题。深度学习需要大量的数据来训练模型，并且需要高性能的计算机来进行计算。
- 深度迁移学习属于深度学习，它利用了深度学习的思想，通过在已经训练好的模型上进行微调，来解决新的问题。深度迁移学习可以利用已经训练好的模型，以减少训练所需的数据量和时间，并且可以在较低的计算成本下实现较高的准确率。因此，深度迁移学习可以用来解决数据不足或时间有限的问题。
总的来说，深度学习和深度迁移学习都是利用深层神经网络来处理数据，但是深度学习需要大量的数据和高性能的计算机，而深度迁移学习则通过在已经训练好的模型上进行微调，来解决新的问题，具有更高的效率和更低的计算成本。
原文地址:https://blog.csdn.net/weixin_48690722/article/details/134758171
本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如若转载，请注明出处：http://www.7code.cn/show_30302.html
如若内容造成侵权/违法违规/事实不符，请联系代码007邮箱：suwngjj01@126.com进行投诉反馈，一经查实，立即删除！
声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。
