三者之間的關系:
比如用機器學習算法識別壹個水果是橘子還是蘋果，需要人工輸入水果的特征數據，生成壹定的算法模型，這樣就可以準確預測出具有這些特征的水果類型，而深度學習可以自動找到特征，然後進行判斷。
深度學習技術的發展現狀
事實上，在我們的現實生活中已經有很多應用深度學習技術的案例。
比如電商行業，在瀏覽淘寶的時候，頁面裏有很多符合妳興趣愛好，最近有購買意向的商品。這種個性化推薦涉及到深度學習技術，能和妳對話，能在購物界面解決問題的淘寶智能機器人也涉及到深度學習技術。
比如在交通領域，深度學習技術可以監控車輛停車、逆行等行為，甚至可以準確識別車牌號、顏色、車型、車內人員來輔助交通執法，甚至在發生交通事故、堵車時發出警報。
比如金融行業，銀行可以分析數百萬的消費者數據(年齡、職業、婚姻狀況等。)、金融貸款和保險情況(是否有違約記錄、還款時間、車輛事故記錄等。)通過深度學習技術來判斷自己是否可以提供貸款服務。
比如家居行業，智能家居的應用也使用深度學習技術。比如，智能冰箱通過圖像識別等技術記錄食材種類和用戶日常飲食數據，進而分析用戶飲食習慣，根據多個維度給出最全面的健康飲食建議。
例如，在制造業中，機器視覺在工業自動化系統中的應用由來已久，如儀表板智能集成檢測、金屬板表面自動損傷控制、汽車車身檢測、紙幣印刷質量檢測、金相分析、流水線生產檢測等。機器視覺自動化設備可以代替人工不知疲倦的重復性工作，在壹些不適合人工操作的危險工作環境或者人工視覺難以滿足要求的場合，機器視覺可以代替人工視覺。
還有教育行業和醫療行業。深度學習技術已經滲透到各個行業和領域。