有監督學習和無監督學習兩者的區別：
1.有標簽就是有監督學習，沒有標簽就是無監督學習，說的詳細一點，有監督學習的目的是在訓練集中找規律，然后對測試數據運用這種規律，而無監督學習沒有訓練集，只有一組數據，在該組數據集內尋找規律。
2. 無監督學習方法在尋找數據集中的規律性，這種規律性並不一定要達到划分數據集的目的，也就是說不一定要“分類”。比如，一組顏色各異的積木，它可以按形狀為維度來分類，也可以按顏色為維度來分類。(這一點比監督學習方法的用途要廣。如分析一堆數據的主分量，或分析數據集有什么特點都可以歸於無監督學習方法的范疇) ，而有監督學習則是通過已經有的有標簽的數據集去訓練得到一個最優模型，像我們的CNN（卷積神經網絡）模型都是運用了有監督學習去訓練出最優的模型，利用這個最優的模型就可以對一些圖像進行場景分類。
3.有監督學習要實現的目標是“對於輸入數據X能預測變量Y”（有答案和方法的學）。而無監督學習要回答的問題是“從數據X中能發現什么”（自學）。
深度學習中的監督學習/無監督學習算法：
深度學習是一種實現機器學習的技術，也包含了監督學習算法和無監督學習算法。常見的卷積神經網絡就是一種有監督學習方法，在圖像分類（如人臉識別）上應用非常廣泛。生成對抗網絡（GAN）是一種無監督學習方法，經常被用來做圖像生成（如深度卷積對抗生成網絡(DCGAN)可用於生成卡通圖像）。