这份学习材料是我为了期末考试专门编写的，共有41页，总字数为15363字。主要内容涵盖了深度学习的各种基础理论，包括深度前馈神经网络、卷积神经网络、高级CNN和轻量级CNN、间隔损失（softmax）、特征白化、正则化、优化、RNN循环神经网络、Attention、Transformer、AE、BERT、VAE、GAN、迁移学习等。此外，还介绍了一些元学习和零样本学习的基本概念。需要注意的是，这份资料不包含任何代码。