# CNN 与 ResNet

## 元数据

- 书名：百面机器学习：算法工程师带你去面试
- 作者：葫芦娃
- 章节：第 9 章 前向神经网络
- 页码线索：222-230
- 目标岗位：AI PM / LLM 产品 / 算法工程师面试
- 优先级：P1
- 标签：cnn, resnet, deep-learning

## 面试问题

CNN 的稀疏交互、参数共享和池化分别有什么作用？

## 30 秒回答

CNN 用局部连接捕捉局部模式，用参数共享降低参数量并提高平移鲁棒性，用池化聚合局部特征。ResNet 通过残差连接缓解深层网络退化，让更深网络可训练。

## 展开要点

- 卷积适合图像，也可用于文本 n-gram 模式提取。
- 池化降低空间尺寸，增强局部不变性。
- 深层网络不一定自然更好，训练退化需要结构设计解决。
- 残差连接是现代深度网络的重要思想之一。

## 高频追问

- CNN 如何用于文本分类？
- 池化会损失什么信息？
- ResNet 为什么有效？

## 项目映射

- 图像审核、OCR、视频理解、文本分类。
- 把残差思想迁移到系统设计：保留原始路径，增量学习新能力。

## AI PM 迁移

AI PM 可以用 CNN/ResNet 理解模型结构如何服务数据形态和训练稳定性。

## 备注

本卡为面试复习用的概念重构和答题框架，不保存原书正文。