網絡上那么多深度學習的資料，學習了很多之后還是懵懵懂懂的。我建議你可以聽下菜鳥窩的人工智能免費公開課，他們老師通過橫向對比的方式，讓你了解一個普通的程序和機器學習算法的相同點/差別點是什么？對于程序而言就是要一個準確的結果，而對于機器學習而言我們要的是規則。

機器學習有聚類算法和分類算法，這是常見的一些機器學習算法。網絡上大多數資料都顯示深度學習只是機器學習的一種特殊類型，今天我們從另一個角度來看，其實深度學習是另外一類算法的集合，深度學習的核心是網絡深度和網絡結構。網絡深度是一個相對概念，沒有說一個隱藏層要大于多少才算深度學習。

深度學習的另外一個核心是網絡結構：深度自信網絡、神經網絡、循環網絡、卷積網絡都各自是一種結構。按照結構的不同，有不同的分類，比如LSTM、ResNet都是一種特殊的結構，而不是一種特殊的算法。LSTM是深度學習算法領域中的一種網絡結構，千萬不要理解為一種算法。

兩者不是同一個level上的，深度學習是機器學習的一種。
最近火的發紫的深度學習實際上指的的深度神經網絡學習，普通神經網絡由于訓練代價較高，一般只有3-4層，而深度神經網絡由于采用了特殊的訓練方法加上一些小trick，可以達到8-10層。深度神經網絡能夠捕捉到數據中的深層聯系，從而能夠得到更精準的模型，而這些聯系不容易被普通的機器學習方法所發覺。