因为扫盲，所以先了解流程和各类名词，我是先在B站看了www.bilibili.com/video/BV1VV… 及系列视频，大概明白CNN是什么，但是这个时候要是问我有关CNN的问题，依然回答不上来，所以让AI出问答题，假如面试官提问，我该如何回答
第一部分：宏观理解（The Big Picture）
Q1: 请简单介绍一下你对CNN（卷积神经网络）的理解？
面试场景： 这是一个开场白，考察你是否能用通俗的语言概括复杂的技术。
参考回答： CNN，全称卷积神经网络，是目前处理图像数据（如计算机视觉任务）最主流的深度学习模型。 CNN看物体时，不是一下子处理所有像素，而是先捕捉局部特征（比如边缘、线条），然后层层向上汇总，组合成形状，最后识别出物体。
从结构上讲，它主要由卷积层（提取特征）、池化层（压缩数据/降维）和全连接层（分类/输出）组成。它的核心优势在于参数共享和局部连接，这使得它比传统神经网络更适合处理高维的图像数据。
第二部分：核心组件与细节（The Nuts and Bolts） Q2: 什么是卷积（Convolution）？卷积核（Kernel/Filter）起什么作用？
参考回答：
卷积本质上是一个特征提取的过程。 卷积是 CNN 的核心操作，它使用一个卷积核（也称为滤波器）在输入图像上进行滑动扫描，并进行逐元素相乘再求和的运算（点积）。 不同的卷积核负责提取不同的特征。比如，有的核专门提取垂直边缘，有的提取水平边缘。浅层的核提取简单纹理，深层的核提取复杂的物体轮廓。
Q: 请详细描述一下 ReLU 激活函数在 CNN 中的具体应用方式及其作用？
ReLU 是 CNN 里的特征筛选器，在卷积层后面、池化层前面工作。它的逻辑特别简单：对卷积层输出的特征图，逐像素判断 —— 正数就保留（说明这个位置检测到了有用特征，比如边缘、纹理），负数直接改成 0（相当于过滤掉无用干扰）。
它最关键的作用是给网络加‘非线性’：卷积本身是线性运算，没有 ReLU 的话，再深的网络也只能做简单的线性判断，认不出复杂物体；有了它，模型才能学出猫的尖耳朵、狗的尾巴这种复杂特征，同时还能减少计算量、缓解训练时的‘梯度消失’问题，让模型学得又快又准。”
（假设 CNN 没有 ReLU，只有卷积层（全是线性运算）： 不管叠 10 层还是 100 层，本质都是 “加权求和 + 加权求和 +…+ 加权求和”，最后还是一个线性运算。 就像你把 “苹果 + 橘子” 叠 100 次，还是 “苹果 + 橘子”，永远变不成 “水果沙拉”——CNN 只能做 “简单的线性判断”（比如 “亮的地方是物体，暗的地方是背景”），根本认不出猫和狗的区别，因为猫和狗的特征是 “复杂的、非线性的”（比如 “尖耳朵在圆眼睛上面” 这种空间关系，不是线性叠加能表达的）。）
Q3: 什么是池化（Pooling）？为什么要用它？
面试场景： 考察你对网络效率和特征不变性的理解。
参考回答： 池化层通常跟在卷积层后面，主要作用是下采样（Downsampling）。最常用的是最大池化（Max Pooling）。 它的作用有三点：
减少计算量：通过减小特征图（Feature Map）的尺寸，减少后续层的参数数量，防止过拟合。
特征不变性：它能提取最显著的特征。即使图像中的物体稍微平移或旋转一点，最大池化的结果可能还是一样的，这提高了模型的鲁棒性。
扩大感受野：随着图像变小，后续卷积层能看到的原始图像区域（感受野）就相对变大了。
Q4: 什么是 Padding（填充）和 Stride（步长）？
参考回答：
Padding：是在图像边缘填充一圈像素（通常是0）。目的是为了保持特征图的尺寸，防止图像在经过多层卷积后变得太小，同时也利用了边缘的信息。 Stride：是卷积核滑动的步距。步长为1就是一格格滑，步长为2就是跳着滑。步长越大，输出的特征图越小。
Q6: 为什么处理图像要用CNN，而不是普通的全连接神经网络（DNN/MLP）？
参考回答： 主要有两个原因：
参数量爆炸：普通神经网络是全连接的。假设一张图是 像素，输入层就有100万个节点，如果下一层也是100万个节点，参数量就是1万亿，这根本无法训练。而CNN通过局部连接和权值共享（同一个卷积核扫遍全图），极大地减少了参数量。
空间结构信息：普通神经网络把图像拉平成一条向量，破坏了像素之间的空间邻域关系（比如眼睛通常在鼻子上面）。而CNN保留了图像的二维结构，能更好地利用空间信息。
先学这么多，其实小鱼书还有CNN的内容，但是我扫盲的时候小鱼书还没学到这，后续学习到有关内容再更新路线
