快速全面掌握PyTorch框架-图像和视频篇（必背）—— 30 道PyTorch面试题及详细答案（第二部分）

以下是30道与“PyTorch 在图像与视频方向的高级应用”相关的面试题及其详细答案。这些问题基于真实面试场景下可能出现的考察要点，涵盖对象检测微调、迁移学习、对抗样本、GAN、空间变换网络（STN）、Vision Transformer 优化以及全切片图像分析等方向，帮助你在面试中从基础理解到实践细节都能有所准备。

---

配合此文章使用，效果更佳：快速全面掌握PyTorch框架（必背）：图像与视频方向，20年资深程序员的详细教程与实战经验分享（第二部分）

1. 问：在使用PyTorch进行对象检测微调时，为什么通常会直接替换预训练模型的“头”层（如Faster R-CNN的分类器），而不修改前面的特征提取部分？这样做的好处有哪些？

答：

• 原因： 对象检测的预训练模型（如Faster R-CNN）大都在COCO或VOC等大型数据集上进行了训练，这些特征提取部分已经学习到了通用的视觉特征。如果只是在自定义数据集上进行微调，就无