经典 CNN 结构:AlexNet、VGG、GoogLeNet、ResNet
哪些公司问过
百度1阿里巴巴、腾讯、滴滴、字节跳动1
答案要点
- AlexNet:ReLU、Dropout、数据增强、GPU 训练,2012 年 ImageNet 夺冠
- VGG-16:13 个卷积层加 3 个全连接层,5 个卷积块,统一 3×3 卷积与 2×2 池化
- 3×3 堆叠:两层等效 5×5、三层等效 7×7 感受野,参数更少且非线性更强
- 池化:降低分辨率与计算量、扩大感受野、提供一定平移不变性
- GoogLeNet 用 Inception 多尺度并行和 1×1 降维;ResNet 用残差连接解决退化
易错点
- 把 VGG-16 的 16 层说成全是卷积层,实际是 13 卷积加 3 全连接
- 认为池化提供严格的平移不变性,实际只是局部、有限的不变性
- 把 ResNet 解决的问题只说成梯度消失,忽略了网络退化
面试官常见追问
- 1×1 卷积有什么作用?
- ResNet 为什么能训练得很深?
- VGG 的参数主要集中在哪里?
完整的口述示范答案、每个追问的参考回答,在启面刷题中心查看;也可以让 AI 面试官用语音按这道题连环追问你。