三者关系：从宏观到微观。
机器学习是人工智能的一部分，深度学习是机器学习的一部分。
基础：大数据。
深度学习基于神经网络，
关于神经网络：通过叠加网络层模拟人类对输入信号的特征提取。
说白了，神经网络就是一个仿生技术，仿的就是人类思考的过程，就好像给你看一堆猫的照片，最后你可以分辨不同猫的种类。把这个过程给机器执行，就叫机器学习。神经网络就如同字面意思一样，人的神经组成的网络，把这个过程交给机器去做而已。（周立波有一个关于专家的调侃：专家就是专门把那些很简单的东西搞到你听不懂）
深度：一方面指神经网络层越来越深，类比到人类就是你想的越来越多.....;另一方面指学习的能力越来越强，这一点用已知推未知解释比较好。你知道的东西越多，接受新的东西就会越快。
亚马逊官方维护的深度学习框架。其前身是cxxnet。15年迁移至MXNet。
然后就是特点，一波商业互吹：
FaceBook官方维护的框架。基于Torch框架研发。
Torch采用Lua语言，为了便于用户使用，开发出Python接口，使用命令式编程。
FaceBook维护的框架。老牌。
Caffe侧重线上产品部署，PyTorch侧重研究试错。
Google维护的框架，使用广泛。拥有可视化工具TensorBord。
生态强大。
语言：大部分深度学习底层框架使用C++实现，效率高。
实际开发往往选用接口语言，比如Python进行快速开发。
MXNet提供多种语言的API（Python，C++，Scala....）
关于NumPy
NumPy是Python用于科学计算的库，支持数组和矩阵运算。
大多数深度学习框架基于NumPy进行设计，因为NumPy不支持GPU运算，只支持CPU。
MXNet中的NDArray就是基于NumPy设计的，最大的不同点就是NDArray支持GPU运算。
原文：https://www.cnblogs.com/noneplus/p/11891116.html