CNN 为什么层数深一点效果更好
哪些公司问过
答案要点
- 层次化特征:浅层学边缘纹理,深层组合出部件和语义,特征逐层复用
- 堆叠卷积和下采样使感受野逐层增大,深层能覆盖整个目标和全局上下文
- 每层带非线性激活,深度增加表达能力,同等参数下深网络往往比宽网络更高效
- 两个 3×3 卷积感受野等于一个 5×5,参数 18C² 少于 25C²,且多一次非线性
- 过深会梯度消失和退化,需要 BatchNorm、残差连接、合理初始化来支撑
易错点
- 把深层效果好归因于参数更多,忽略层次特征和感受野这两个核心原因
- 以为层数越深越好,忽略退化、梯度消失和过拟合问题
- 说 3×3 替代 5×5 时算错参数量,或忽略步长为 1 的前提
面试官常见追问
- 三个 3×3 卷积和一个 7×7 卷积相比有什么好处?
- 什么是网络退化问题,ResNet 怎么解决?
- 感受野怎么计算?
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。