面试题库 › 算法 / 大模型 › CNN经典架构、感受野与参数量计算

CNN经典架构、感受野与参数量计算

难度 ★★☆在 1 场真实面经中被问到 方向:算法 / 大模型考点:卷积神经网络

哪些公司问过

地平线1

常见岗位:计算机视觉

答案要点

  1. 输出尺寸=floor((W-K+2P)/S)+1,padding=(K-1)/2且stride=1时尺寸不变
  2. 参数量=K×K×Cin×Cout+Cout(偏置),与输入图像的宽高无关
  3. 感受野递推:r_l=r_(l-1)+(k_l-1)×之前所有层stride的乘积,多层3×3可替代大卷积核
  4. 演进:LeNet→AlexNet(ReLU/Dropout/GPU)→VGG(小核堆叠)→GoogLeNet(Inception/1×1)→ResNet(残差)
  5. ResNet通过恒等捷径让梯度直接回传,缓解深层网络的退化和梯度消失问题

易错点

面试官常见追问

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。

相关面试题