机器学习和深度学习通常包含输入、特征提取、分类和输出4个步骤

机器学习和深度学习通常可以包含输入、特征提取、分类和输出等不同的步骤，但并不是所有的应用都需要包含这四个步骤，也不是所有的应用都需要按照这个顺序执行。下面是一个常见的步骤序列：

1. 输入：获取原始数据或者样本；
2. 特征提取：对原始数据或者样本进行特征提取，提取出对分类或者回归有用的特征信息；
3. 分类或回归：使用机器学习或深度学习算法对特征进行分类或回归，得到预测结果；
4. 输出：根据预测结果生成相应的输出，例如分类标签或者回归值。

在深度学习中，这个步骤序列通常会包含更多的步骤，例如数据预处理、模型训练、模型评估等。此外，深度学习中的输入和输出通常是高维的张量，而特征提取和分类则是通过深度神经网络来实现的。需要注意的是，深度学习模型通常可以自动进行特征提取和分类，因此在一些应用中，特征提取和分类可以合并为一个步骤。