就神经网络和深度学习而言，它们之间的联系非常紧密，但又有所不同，就像同一枚硬币的正反两面。
神经网络
神经网络就像人类的脑子一样，神经网络由许多高度互连的处理神经元组成，这些神经元协同工作以解决特定情况。它反应灵敏，负责在复杂的机器学习问题中取得突破。
神经网络中的基本计算单位是神经元。它们接受输入，通过多个隐藏层中的多个神经元对其进行处理，并通过输出层产生输出。生物神经元激发了机器学习中神经网络的通用模型，即提供单一输出的单层神经网络。
神经网络通过前向传播、计算损失、反向传播、梯度下降、学习率、轮次等方式实现收敛，并解决给定情况。它通常又被称为人工神经网络(ANN)，是深度学习的基础。
深度学习
深度学习是一种深度神经网络，有很多隐藏层，每个隐藏层都有很多节点。它开发了可用于训练复杂数据和预测输出的深度学习算法。它可以模仿人脑。
当需要预先完成特征工程时，传统机器学习可以轻松地为结构化数据创建预测。而深度学习既进行手动特征工程，又进行自我学习，因此深度学习可以随着时间的推移变得更加高效。
尽管深度学习已成为当今数字时代每项研究的核心。但是没有神经网络，深度学习是不完整的。这些算法以人脑和神经系统为模型；在更广泛的深度学习过程中提供非常大的帮助。因此，神经网络和深度学习缺一不可。
