AlexNet 网络结构、创新点与改进思路
哪些公司问过
答案要点
- 结构:5 个卷积层 + 3 个全连接层,首层 11×11、步长 4 的大卷积核,输出 1000 类
- ReLU 激活加快收敛、缓解梯度消失;全连接层使用 Dropout 防过拟合
- 重叠最大池化(3×3,步长 2)与局部响应归一化 LRN(后续研究认为作用有限)
- 数据增强(随机裁剪、翻转、PCA 颜色扰动)与双 GPU 并行训练
- 常见改进:小卷积核堆叠、BN 替代 LRN、全局平均池化减参,并用对照实验说明效果
易错点
- 把 LRN 当成 AlexNet 最重要的贡献,后续研究认为其作用有限
- 讲改进效果只说“提升明显”,没有对照实验和具体数据
- 混淆 AlexNet 卷积层和全连接层的数量
面试官常见追问
- Batch Normalization 的原理是什么?你的实验中收敛速度提升了多少?
- 为什么用多个小卷积核替代大卷积核?
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。