面试题目总结（CNN）

1. CNN权值共享是什么
   局部感知：即网络部分连通，每个神经元只与上一层的部分神经元相连，只感知局部，而不是整幅图像。（滑窗实现）

（可行性）局部像素关系紧密，较远像素相关性弱。因此只需要局部感知，在更高层将局部的信息综合起来就得到了全局的信息。

权值共享：从一个局部区域学习到的信息，应用到图像的其它地方去。即用一个相同的卷积核去卷积整幅图像，不同的特征靠多个不同的卷积核实现。

（可行性）图像的局部统计特征在整幅图像上具有重复性（即位置无关性）。
参考：https://www.cnblogs.com/chenshan-crystal/p/7543780.html

2. 正则化：
   L1范数——Lasso回归；
   L2范数——岭回归.
   L1正则化产生稀疏的权值, L2正则化产生平滑的权值
   原因：https://www.cnblogs.com/tianqizhi/p/9703796.html

3. 1*1卷积核作用
   （1）降维
   （2）保证feature map不变的情况下增加非线性
   参考：https://www.jianshu.com/p/04c2a9ccaa75

4. pooling层作用
   （1）整合特征，减少计算复杂度
   （2）对不同位置的特征进行聚合统计
   （3）卷积窗口有重叠，因此得到的结果有大量冗余，用pooling可以消除冗余（pooling会导致微小的局部变形），权重共享可以带来平移不变性。
   参考：