机器学习框架和深度学习框架是有区别的。本质上，机器学习框架涵盖了用于分类、回归、聚类、异常检测和数据准备的各种学习方法，并且可以包括也可以不包括神经网络方法。
深度学习或深度神经网络框架涵盖了具有许多隐藏层的各种神经网络拓扑。Keras、MXNet、PyTorch和TensorFlow是深度学习的框架。Scikit-learn和SparkMLlib是机器学习框架。(点击之前的任何链接阅读我对该产品的独立评论。)
一般来说，深度神经网络计算在GPU(尤其是英伟达CUDA通用GPU)、TPU或FPGA上运行速度更快，而不是在CPU上运行。一般来说，更简单的机器学习方法不会从图形处理器中受益。
虽然可以在一个或多个CPU上训练深度神经网络，但训练往往很慢，我说的不是秒或分。需要训练的神经元和层数越多，可以用于训练的数据就越多，需要的时间也就越长。当谷歌大脑团队在2016年为新版谷歌翻译培训其语言翻译模型时，他们将一次在多个GPU上运行为期一周的培训课程。如果没有GPU，每个模型训练实验需要几个月的时间。