深度学习理论学习资料（详细版，不含代码）

这份资料是作者在期末考试前亲自编写的，总共有41页，包含了15363字。资料主要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以及迁移学习。此外，还介绍了部分元学习和零样本学习的基本概念。需要注意的是，本资料不含任何代码。