深度学习计算量（参数量、FLOPs）面试题及详细答案（实战版）.docxVIP

深度学习计算量（参数量、FLOPs）面试题及详细答案（实战版）

一、基础必考题（入门核心，100%面试高频）

1、普通2D卷积层，手撕参数量和FLOPs计算公式，举例说明

题干：输入通道Cin，输出通道Cout，卷积核大小K×K，不考虑偏置、padding、步幅，写出标准卷积的参数量和FLOPs公式，并举例：Cin=3，Cout=16，K=3的卷积层计算结果。

详细答案

（1）参数量（只和卷积核有关，和输入图像尺寸无关）

参数量核心逻辑：每一个输出通道，都对应一组Cin个K×K的卷积核权重。

公式：Param=Cout×Cin×K×K

若带偏置：Param=Cout×Cin×K×K+Cout（每个输出通道对应1个偏置参数）

（2）FLOPs（和输入输出尺寸强相关，是实际计算耗时的关键）

设输入特征图尺寸H×W，输出特征图尺寸Hout×Wout；卷积一次运算=乘法+加法，算2次浮点运算。

公式：FLOPs=2×Cout×Cin×K×K×Hout×Wout

（3）举例计算：Cin=3，Cout=16，K=3，输入224×224，padding=1，stride=1

参数量（无偏置）：16×3×3×3=432

输出尺寸不变224×224

FLOPs：2×16×3×3×3×224×224≈4320万

面试得分关键