面试题库 › 算法 / 大模型 › AlexNet 结构及 VGG 相比 AlexNet 的改进

AlexNet 结构及 VGG 相比 AlexNet 的改进

难度 ★★☆在 2 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

360公司1阿里巴巴、腾讯、滴滴、字节跳动1

常见岗位:计算机视觉

答案要点

  1. AlexNet:5 卷积 + 3 全连接,首层 11×11 步长 4,后接 5×5 和 3×3 卷积,FC 为 4096-4096-1000
  2. AlexNet 的关键技术:ReLU、Dropout、数据增强、重叠最大池化、LRN、双 GPU 训练
  3. VGG 全部采用 3×3 卷积(步长 1、padding 1)和 2×2 最大池化,深度 16/19 层
  4. 小核堆叠:感受野不变、参数更少、非线性更多,网络更深
  5. VGG 代价:参数量大(以 VGG16 为例约 1.38 亿),主要在全连接层,计算量也大

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