M3-097M3: 深度学习基础卷积与视觉基础Easy
⚡闪卡盲测➔掌握度:

计算卷积层的参数量与输出尺寸

🎯 深度面试自测闭环(先口述或草拟,再核对解析)
免登录记录进度:核心结论回忆 → 避坑清单自查 → 标记掌握或加入错题队列。
Step 1 · 尝试用 1–2 句话回答这道题的核心结论与适用边界
Step 2 · 勾选已覆盖的陷阱与追问思考
下一题: M3-098 →
📐 核心数学机理公式
params=k2CinCout+Cout;Hout=⌊H+2P−kS⌋+1\text{params}=k^2 C_{in}C_{out}+C_{out};\qquad H_{out}=\left\lfloor\frac{H+2P-k}{S}\right\rfloor+1
⚡ 一句话直击要害答案
参数量 = k²·C_in·C_out + C_out(含 bias);输出尺寸 = ⌊(H+2P−k)/S⌋+1。

📌 核心要点提炼

  • •
    参数量与输入空间尺寸无关(权重共享)
  • •
    输出尺寸由 padding P、stride S、核 k 决定
  • •
    感受野随层数增长,'有效感受野'小于理论值

📐 数学机理与严密推导

数学机理:参数量——一个卷积层有 C_out 个滤波器,每个滤波器是 k×k×C_in 的权重张量(对每个输入通道有独立的 k×k 核),故参数量 = k²·C_in·C_out,加 C_out 个 bias。关键性质:参数量与输入的空间尺寸(H、W)无关——因为同一组权重在所有位置滑动使用(权重共享),这是 CNN 参数效率的来源(对比全连接层:参数量 ∝ H·W·C_in·C_out,随图像尺寸爆炸)。输出尺寸——卷积在每个位置计算'k×k 窗口与权重的内积',窗口以 stride S 滑动,加 P 圈 padding;输出尺寸 H_out=⌊(H+2P−k)/S⌋+1(向下取整,因为不足一个窗口的部分被丢弃)。'same' 卷积(输出尺寸=输入)要求 P=(k−1)/2(k 为奇数)且 S=1。感受野——单层的感受野为 k×k;L 层堆叠(每层 k×k、stride 1)的感受野为 1+L·(k−1)(线性增长);含 stride 时按累积 stride 放大。有效感受野(实际影响输出的区域)通常小于理论感受野,且近似高斯分布(中心权重大、边缘小)——这是'深层小核优于浅层大核'的原因之一(VGG 用 3×3 堆叠替代大核)。

🏭 深度剖析与工业落地权衡

深度剖析与工程权衡:① 3×3 堆叠 vs 大核——两个 3×3 卷积的感受野等于一个 5×5,但参数更少(2·9=18 vs 25)、非线性更多(两次 ReLU)、故表达能力更强;这是 VGG 的核心论证。② dilation(空洞卷积)——在不增参数的情况下扩大感受野(核元素间插入空洞),用于分割(DeepLab)与语音;代价是'网格效应'(采样稀疏)。③ stride 与下采样——stride>1 同时降分辨率与扩感受野;但会丢失信息,故现代架构常用'stride 1 + pooling'或'可分离下采样'替代。④ 计算量(FLOPs)——FLOPs = k²·C_in·C_out·H_out·W_out(参数量 × 输出空间尺寸);这是'为什么深而窄优于浅而宽'的量化依据。⑤ 'same' padding 的边界效应——零填充会在边界引入'虚假的零',故有用 reflect/replicate padding 的变体。⑥ 面试要点——被问'算一下这个卷积层',应能同时给出参数量与 FLOPs(前者与空间尺寸无关、后者有关),并解释'3×3 堆叠为何优于大核';这是 CV 基础题的高分回答。
⚠️ 常见面试陷阱与高频失分点
  • ✕
    混淆参数量与 FLOPs(后者含空间尺寸)
  • ✕
    忘记向下取整导致输出尺寸算错
🎯 面试官连环追问与延伸考察
  • ?
    为什么参数量与输入尺寸无关?
  • ?
    如何用 stride 与 dilation 扩大感受野?
⚡
想检验本题的肌肉记忆?进入 3 阶闪卡主动回忆盲测
隐藏答案遮罩,自测:审题锚点 ➔ 数理公式机理 ➔ 工业标杆代码与连环追问。3 分钟攻破认知盲区!
🎯 立即在闪卡中盲测此题➔
📚

关联知识库专题与交互式导图

← 上一题M3-096: 解释参数共享的几种形式与作用📋 返回题库下一题 →M3-098: 解释感受野(receptive field)的递归计算