深度学习包含深度迁移学习，它们都利用了深层神经网络（Deep Neural Network，DNN）来处理数据，并从中学习特征。但是，它们也有一些区别。
- 深度学习是一种机器学习方法，它通过多层神经网络来自动学习特征，并从数据中预测结果。它通常用于解决图像分类、语音识别和自然语言处理等问题。深度学习需要大量的数据来训练模型，并且需要高性能的计算机来进行计算。
- 深度迁移学习属于深度学习，它利用了深度学习的思想，通过在已经训练好的模型上进行微调，来解决新的问题。深度迁移学习可以利用已经训练好的模型，以减少训练所需的数据量和时间，并且可以在较低的计算成本下实现较高的准确率。因此，深度迁移学习可以用来解决数据不足或时间有限的问题。
总的来说，深度学习和深度迁移学习都是利用深层神经网络来处理数据，但是深度学习需要大量的数据和高性能的计算机，而深度迁移学习则通过在已经训练好的模型上进行微调，来解决新的问题，具有更高的效率和更低的计算成本。