人工智能面试题 · CNN
人工智能相关岗位面试题。
共 11389 道真题 · 当前筛选命中 50 道 · 更新 2026-08-05
筛选题目已选：CNN
考察点
技术栈
第 41 题请介绍MLP、CNN、RNN和Transformer各自的优缺点。 考察对主流深度学习模型架构的理解与对比能力第 42 题请详细说明CNN（卷积神经网络）的基本结构及其各层的作用。 考察对卷积神经网络基础架构的掌握程度第 43 题在卷积神经网络中，卷积层的“深度”这一概念应如何理解？请从不同角度阐述其含义。 考查对卷积层深度概念的多维度理解，包括通道数、层数及感受野等。第 44 题请说明二维卷积与三维卷积各自的运算过程，并比较它们在应用场景上的差异。 考查对卷积神经网络中二维卷积与三维卷积原理及应用的理解。第 45 题解释卷积神经网络中池化层的工作原理及其核心特征。 考查对卷积神经网络中池化操作基本机制和作用的掌握程度。第 46 题在卷积神经网络设计中，卷积核尺寸是否越大越好？请分析不同卷积核大小对模型性能的影响及其适用场景。 考察对卷积核尺寸选择原理及其对网络性能影响的理解。第 47 题在卷积神经网络设计中，可以采用哪些技术手段来降低卷积层的参数数量？ 考查对卷积层参数优化方法的理解与掌握第 48 题在卷积神经网络中，感受野这一概念应如何理解？请阐述其定义、影响因素以及它如何影响网络对输入图像特征的捕捉能力。 考查对卷积神经网络中感受野概念的理解及其对网络性能的影响。第 49 题请解释为什么卷积神经网络在图像识别任务中表现优越？ 考察对卷积神经网络核心特性及其与图像数据适配性的理解第 50 题请说明卷积神经网络中步长（stride）的含义，并阐述它怎样改变卷积层输出的尺寸。 考查对卷积层基础参数步长的理解及其对输出尺寸的影响。