深度学习的主要优点如下：
优点1：学习能力强
从结果来看，深度学习具备很强的学习能力，表现非常好。
优点2：覆盖范围广，适应性好
深度学习的神经网络层数很多，宽度很广，理论上可以映射到任意函数，所以能解决很复杂的问题。
优点3：数据驱动，上限高
深度学习高度依赖数据，数据量越大，它的表现就越好。在图像识别、面部识别、NLP 等领域表现尤为突出。
优点4：可移植性好
由于深度学习的优异表现，很多框架都可以使用，例如 TensorFlow、Pytorch。这些框架可以兼容很多平台。
深度学习也是有缺点的：
缺点1：计算量大，便携性差
深度学习需要大量的数据与算力，所以成本很高。而且现在很多应用还不适合在移动设备上使用。目前已经有很多公司和团队在研发针对便携设备的芯片。
缺点2：硬件需求高
深度学习对算力要求很高，普通的CPU已经无法满足深度学习的要求。
缺点3：模型设计复杂
深度学习的模型设计非常复杂，需要投入大量的人力物力和时间来开发新的算法和模型。大部分人只能使用现成的模型。
缺点4：没有”人性”，容易存在偏见
由于深度学习依赖数据，并且可解释性不高。在训练数据不平衡的情况下会出现性别歧视、种族歧视等问题。