人工智能面试题 · 技术选型 · CNN
人工智能相关岗位面试题。
共 11389 道真题 · 当前筛选命中 13 道 · 更新 2026-08-05
筛选题目已选：技术选型 · CNN
考察点
技术栈
第 1 题Vision Transformer (ViT) 和 CNN 在图像特征提取上的优劣对比? 考察对ViT与CNN架构特性、适用场景和权衡的理解第 2 题Transformer和CNN、ViT的区别和关系是什么？ 考察对主流视觉与序列模型架构原理及演进关系的理解第 3 题请概述卷积神经网络（CNN）从早期到深度学习时代的发展脉络，包括关键的网络结构和它们解决的问题。 考察对CNN发展历史、关键技术演进及问题驱动的理解第 4 题CNN的Backbone有哪些？ 考察对主流卷积神经网络主干结构的了解与对比能力第 5 题1×1卷积的作用是什么？ 考察对1×1卷积在深度学习网络中功能与价值的理解第 6 题请介绍在调制识别任务中常用的卷积神经网络结构及其优势。 考察对卷积神经网络在信号调制识别中应用的理解第 7 题请谈谈你对Transformer模型的理解，以及它与CNN、LSTM的主要区别。 考察对Transformer架构核心机制的掌握及其与经典模型差异的理解第 8 题请介绍CNN和LSTM各自的网络结构特点。 考察对CNN与LSTM结构原理的基本理解第 9 题你了解哪些CV领域的模型？可以谈谈CNN、ResNet、CLIP、BLIP、ViT等。 考察对经典与前沿CV模型的了解深度及对比能力第 10 题请介绍自然图像分割的常见算法及其在工业应用中的选型思路。 考察图像分割算法知识及其工业落地选型能力第 11 题请说明CNN网络中卷积层、池化层和全连接层各自的作用。 考察对CNN基础组件功能的理解第 12 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 13 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