机器学习和深度学习的框架不能用同一种吗

基于机器学习和基于深度学习探究一个问题，两者区别是什么，所用的框架不能是同一个吗，比如pytron、tensorflow、deepface说是深度学习框架可以用在机器学习中吗

• 你看下这篇博客吧, 应该有用👉 ：【深度学习】图深度学习入门（一）
• 除此之外, 这篇博客: 【机器学习】深度学习框架是什么？有哪些？如何选择？中的 1. TensorFlow 部分也许能够解决你的问题, 你可以仔细阅读以下内容或跳转源博客中阅读:
  

• 开发语言：
  基于python编写，通过C/C++引擎加速，是Google开源的第二代深度学习框架。

  编程语言：
  Python是处理TensorFlow的最方便的客户端语言。不过，JavaScript、C++、Java、Go、C#和Julia也提供了实验性的交互界面。

  优点：

  1. 处理循环神经网RNN非常友好。其用途不止于深度学习，还可以支持增强学习和其他算法。
  2. 内部实现使用了向量运算的符号图方法，使用图graph来表示计算任务，使新网络的指定变得相当容易，支持快速开发。TF使用静态计算图进行操作。也就是说，我们首先定义图，然后运行计算，如果需要对架构进行更改，我们将重新训练模型。TF选择这种方法是为了提高效率，但是许多现代神经网络工具能够在不显著降低学习速度的情况下，同时兼顾到在学习过程中进行改进。在这方面，TensorFlow的主要竞争对手是Pythorch。

  缺点：

  1. 目前TensorFlow还不支持“内联（inline）”矩阵运算，必须要复制矩阵才能对其进行运算，复制庞大的矩阵会导致系统运行效率降低，并占用部分内存。
  2. TensorFlow不提供商业支持，仅为研究者提供的一种新工具，因此公司如果要商业化需要考虑开源协议问题。