第4章 卷积神经网络（CNN）面试题
本章定位：掌握 CNN 核心原理、经典网络结构、感受野计算、分组卷积等高频面试点，具备从理论推导到工程落地的结构化表达能力。
经典 CNN 网络对比（面试知识底座）
| 网络 | 年份 | 核心创新 | 参数量 | 典型应用 |
|---|---|---|---|---|
| LeNet-5 | 1998 | 首次使用卷积+池化+全连接 | ~60K | 手写数字识别 |
| AlexNet | 2012 | ReLU、Dropout、LRN、GPU并行 | ~60M | ImageNet分类 |
| VGG | 2014 | 连续小卷积核（3×3）堆叠 | ~138M | 特征提取、迁移学习 |
| GoogLeNet | 2014 | Inception模块、1×1降维 | ~7M | 分类、目标检测 |
| ResNet | 2015 | 残差连接、解决退化问题 | ~25M | 分类、分割、检测 |
高频面试问答卡片
📌 面试问题 1：如何计算卷积神经网络的感受野？请以 VGG 为例说明。
面试官考察点：是否掌握感受野递推公式、能否从底层原理推导、是否理解感受野与网络设计的关系。
回答框架：① 定义感受野（输出特征图上像素对应输入区域大小）；② 递推公式：RF(l) = RF(l-1) + (kernel - 1) * stride_product；③ 举例：VGG 堆叠 3×3 卷积，每层 stride=1，叠加后感受野线性增长；④ 总结感受野与网络深度的 trade-off。
示例回答（80字）：感受野指输出像素在输入上的映射区域。递推公式：RFₗ = RFₗ₋₁ + (kₗ - 1) × ∏i=1l-1 sᵢ。以 VGG 为例，连续两个 3×3 conv（stride=1）得到 5×5 感受野，相当于一个 5×5 卷积，但参数量更少（18 vs 25）。
可能追问：① 空洞卷积对感受野的影响？② 如何用感受野解释 Inception 模块的设计？
公司侧重点：字节跳动常结合图像分割（DeepLab 空洞卷积）追问；美团关注移动端感受野设计。
面试官画像总结：技术深度型，希望感受野推导能脱口而出，并且能联系实际网络设计。
📌 面试问题 2：分组卷积相比普通卷积有什么优缺点？在 MobileNet 中如何应用？
面试官考察点：是否理解分组卷积的计算量减少原理、分组数与效果的关系、能否解释深度可分离卷积是分组卷积的极端情况。
回答框架：① 基本概念：输入通道 C_in 分为 G 组，每组独立卷积，输出通道 C_out 也分组；② 计算量对比：普通卷积 O(C_in×C_out×k²×H×W)，分组卷积 O(C_in×C_out×k²×H×W/G)；③ 优点：降低参数量和计算量，适合移动设备；缺点：组间信息隔离；④ MobileNet 深度可分离卷积 = 分组数 = C_in 的分组卷积 + 1×1 逐点卷积。
示例回答（95字）：分组卷积将输入通道分为G组，每组独立卷积，计算量降为普通卷积的1/G。优点是轻量化，适合移动端；缺点是组间无信息交互。MobileNet 的深度可分离卷积本质上是分组卷积（G=C_in）再加1×1融合，极大减少计算量，适合实时场景。
可能追问：① ShuffleNet 如何解决组间信息隔离？② 分组卷积对模型精度影响？
公司侧重点：快手、字节在短视频推荐模型中使用轻量化 CNN；华为强调异构计算下分组卷积的并行优势。
面试官画像总结：工程落地导向，看重对移动端部署的实践经验。
📌 面试问题 3：请比较 VGG 和 ResNet 的核心区别，并说明残差连接为什么有效。
面试官考察点：对网络发展脉络的理解、残差连接的理论解释（梯度传播、恒等映射）、实际训练中的表现。
回答框架：① 结构差异：VGG 纯卷积堆叠，ResNet 引入残差块（跳跃连接）；② 残差作用：前向恒等映射、反向梯度直达（缓解梯度消失）；③ 数学本质：拟合残差比拟合恒等函数更容易；④ ResNet 可以训练更深（100+层），VGG 加深则退化。
示例回答（90字）：VGG 通过简单堆叠 3×3 卷积加深网络，但存在退化问题；ResNet 引入残差连接 F(x)+x，使梯度直接反传，从而能训练超过 100 层。残差连接让网络学习更易的恒等映射，同时保留非线性变换能力，在 ImageNet 上 top-1 错误率降低约 3%。
可能追问：① BN 层放在残差块前还是后？主流做法？② Pre-activation ResNet 的区别。
公司侧重点：腾讯、百度常将 ResNet 作为对比基线，要求分析变体（ResNeXt、WideResNet）。
面试官画像总结：基础扎实型，希望候选人能用一两句话点出本质差异。