CNN很熟悉了已经,原理就不多说了,这里就汇总几个常见的CNN面试题吧
1. 卷积的输入输出维度计算
背公式就行。
2. 卷积层参数量计算
卷积层参数量的计算,那肯定和卷积核本身的大小息息相关,所以F1 * F2是一个卷积核的size,输入输出的channel都得考虑,所以乘以C1和C2。
3. 卷积层计算量计算
思考下卷积层的工作原理,一个大图,用小图(卷积核)来逐个扫描,形成逐个点,各个点形成一个新图。
思考一下能够量化计算量的地方在哪?
输出的图的每一个点都是计算得到的(输出图的大小),图的个数也要考虑进去,所以输入和输出的channel都要考虑(输入、输出的channel),以及卷积核本身的大小(size)。即拆解为两个部分,一是输出图的大小(W2*H2),二是输出图中每个点的计算(F1 * F2 * 两个channel)
4. 感受野
5. 以前笔记的整理
5.1 CNN的三个基本思想
5.2 总流程
5.3 反向传播
6. 补充
CNN一定需要池化吗?或者说,池化层的作用在CNN中具体是什么?
CNN中池化的作用?为什么要选择池化
相关论文佐证
![](https://img-blog.csdnimg.cn/6c403f2fa1c348dfab968a6fffa27681.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBAWHVfV2F2ZQ==,size_20,color_FFFFFF,t_70,g_se,x_16#pic_center)