网易计算机视觉算法岗笔试：深度学习核心考点与备战框架

每年到了实习生招聘季，都会有不少同学来问我："网易的计算机视觉算法岗笔试题到底考什么？深度学习方向怎么准备？"说实话，这类问题很难用一两句话回答清楚，因为笔试考察的从来不只是知识点本身，而是你作为一个算法工程师的完整素养。我手头正好整理过网易2018年实习生招聘计算机视觉算法岗位（深度学习方向）的笔试材料，借着这个机会，把这道题背后涉及的计算机视觉、算法与深度学习知识体系完整拆一遍，也不只聊题目本身，更多是聊"面试官出这道题时心里在想什么"。

这篇文章适合正在准备大厂算法岗实习的学生，也适合刚入门深度学习、想系统自查基础的同学。我会从出题逻辑、核心理论考点、工程能力、备战框架几个维度展开，最后给出一套可以直接照着用的复习清单。

1. 从一道真题回看2018年网易CV算法岗的考察逻辑

1.1 2018年的技术背景：深度学习在视觉领域全面落地的前夜

要理解网易这道笔试题的出题意图，得先还原2018年的技术环境。那一年，深度学习的浪潮已经席卷了学术界和工业界：ImageNet分类比赛的冠军早被ResNet、DenseNet这类深度网络垄断，目标检测领域Faster R-CNN、YOLO、SSD三分天下，图像分割有FCN和U-Net，生成对抗网络GAN更是从实验室火到了大众视野。

网易在那个节点大规模招聘计算机视觉算法实习生，背后有明确的业务诉求：网易有道要做OCR、拍照翻译，网易云音乐要在音频和封面内容上做智能化，网易游戏需要3D视觉和动作捕捉技术，电商和内容社区也需要图像理解能力。所以这个"深度学习方向"不是空泛的，而是指向"能把前沿CV模型落地到具体产品"的人。

我当时跟几位参与过校招的工程师聊过，大家的一致意见是：实习生不是招来就能独当一面的专家，而是招一个基础扎实、思维敏捷、能快速上手干活的人。笔试的任务就是把"基础扎实"这四个字量化出来。这也是为什么网易这类公司出题通常不偏不怪，考的都是深度学习里最核心、最绕不开的东西。

1.2 笔试题的基本盘：算法题、理论题、开放题各占多少

从我整理的材料来看，2018年网易计视算法实习生（深度学习方向）的笔试题可以粗略分成三个模块：

第一个模块是算法与数据结构编程题，一般占30%到40%的分数。这个模块和具体方向无关，考的是通用的编程基本功，LeetCode中等难度的数组、字符串、动态规划、二叉树题目是主力。对算法岗来说，编程题是硬门槛，这一关过不了，后面理论题答得再漂亮也白搭。

第二个模块是深度学习与计算机视觉理论题，占40%到50%。这里会涉及卷积神经网络的基本原理、反向传播的推导、常见网络结构的演进、损失函数的选择、过拟合的应对策略、数据增强方法等。这些内容都在面试官"默认你该会"的范围内，不会超纲，但会换着花样考察你是不是真懂。

第三个模块是开放性题目，比如"如何解决某个真实场景下的图像分类问题""如何在海量数据上加速模型训练"，有时还会让你设计一套完整的解决方案。这类题没有标准答案，考察的是工程思维和问题拆解能力。

了解这个基本盘之后，复习的精力分配就清晰了：编程题需要长期积累，理论题需要系统梳理，开放题需要平时多做项目、多总结。

1.3 从"深度学习方向"看岗位的素质图谱

"深度学习方向"这几个字听起来很宽泛，但结合计算机视觉的实际需求，可以拆成五个核心素质：

• 数学基础扎实，尤其是线性代数、概率论和微积分——这是理解模型原理的地基。你不需要会证明复杂的定理，但至少能流利地写出softmax的表达式、理解矩阵乘法的维度变化。
• 深度学习的核心概念烂熟于心，从CNN的基本组件到训练 tricks。
• 代码能力过关，既包括算法题，也包括用深度学习框架搭建模型的工程能力。
• 对经典CV任务和对应模型有体系化认知，图像分类、目标检测、语义分割各自的典型模型要能如数家珍。
• 有独立调试和排查问题的能力，这是工程实践中最重要的隐形素质。

这五条其实就是整篇文章的骨架，接下来的内容都会围绕它们展开。你拿这张图对照自己的情况，哪里薄弱就补哪里。

2. 深度学习理论题的核心重灾区：卷积、反向传播与网络设计

2.1 卷积运算与感受野：一道送分题与送命题的分界

卷积神经网络是计算机视觉领域当之无愧的核心，笔试几乎是必考。最基础的考法是直接给一个输入尺寸、卷积核尺寸、步长和填充，让你算输出尺寸。公式是：

Output_size = (Input_size - Kernel_size + 2 × Padding) / Stride + 1

比如输入是7×7的单通道矩阵，卷积核是3×3，步长为1，不填充，输出尺寸就是(7-3)/1+1=5，即5×5的特征图。这类题就是送分题，但很多人会在padding的边界条件上栽跟头，尤其是当padding不是对称的时候。我的建议是遇到这类计算一律动笔写公式，别心算，心算出错的概率远高于你写那两行公式的时间成本。

比尺寸计算更进阶的考点是感受野计算。感受野可以理解成"输出特征图上一个点对应输入图像上多大的区域"。笔试时常见的问题有两类：一类是让你算某个深层特征图的感受野大小，另一类是让你比较不同卷积设计的感受野。

这里有一个很经典的对比题：堆叠3个3×3卷积核，等价于一个7×7卷积核的感受野，但参数量更少。假设输入输出通道都是C，3个3×3卷积的参数量是3×(3×3×C×C)=27C²，而一个7×7卷积的参数量是49C²。同时3个3×3卷积之间还夹着非线性激活函数，表达能力也更强。这就是VGG网络的核心设计思想。这道题之所以常被拿出来考，是因为它同时考察了你对卷积参数、感受野和非线性激活的理解，一箭三雕。

2.2 反向传播手推：一套两步网络把链式法则吃透

反向传播是深度学习的重头戏，笔试里最常见的考法是手推一个小型网络的梯度。很多同学看到公式就头大，其实掌握了链式法则，再复杂的东西都能拆成一步步来。

我建议你自己手推一个最简单的例子：输入层2个神经元，隐藏层2个神经元，输出层1个神经元，激活函数用sigmoid，损失用均方误差。设输入x=[1, 2]，第一层权重W1=[[0.1, 0.2], [0.3, 0.4]]，偏置b1=[0.1, 0.1]，隐藏层输出经过sigmoid之后与第二层权重W2=[0.5, 0.6]相乘，得到输出y，目标值t=1。

前向传播：z1 = x·W1 + b1 = [1×0.1+2×0.3+0.1, 1×0.2+2×0.4+0.1] = [0.8, 1.1]，经过sigmoid得h=[0.69, 0.75]，输出y=0.5×0.69+0.6×0.75=0.795。损失L=0.5×(1-0.795)²≈0.021。

反向传播要算∂L/∂W2和∂L/∂W1。先算输出层梯度：∂L/∂y = y-t = -0.205，∂y/∂W2 = h，所以∂L/∂W2 = ∂L/∂y × h = [-0.141, -0.154]。接着往传播：∂L/∂h = ∂L/∂y × W2 = [-0.103, -0.123]，因为h经过了sigmoid，所以∂L/∂z1 = ∂L/∂h × h×(1-h) = [-0.022, -0.023]。最后∂L/∂W1 = xᵀ × ∂L/∂z1 = 1×(-0.022), 2×(-0.023)，得到[[-0.022, -0.046], [-0.044, -0.092]]。整个过程其实就是把链式法则一层一层套下去。

笔试的时候不会真的要求你算到这么多位小数，但流程要写清楚，尤其是"梯度是误差对权重求偏导"和"链式法则逐层传播"这两个核心思想。面试官不怕你算错，怕的是你脑子里没有这条链路。

2.3 激活函数与损失函数：为什么面试官逮着这几个概念不放

激活函数和损失函数看起来是"小知识点"，但它们是区分"背过书"和"真懂"的高频试金石。

激活函数的核心考点是梯度消失问题和零中心化问题。sigmoid函数输出范围(0,1)，导数最大才0.25，深层网络一乘就容易梯度消失；tanh输出范围(-1,1)，零中心化了但导数最大只有1，依然存在饱和区梯度消失；ReLU在正区间梯度恒为1，解决了梯度消失，但负区间梯度为0，会出现神经元死亡。LeakyReLU在负区间给一个小的斜率，就是为了缓解ReLU的神经元死亡问题。这张对比表在笔试前最好能默写出来。

损失函数的选择是另一个高频考点。图像分类任务基本都用softmax加交叉熵损失，为什么？因为softmax把输出变成概率分布，交叉熵衡量两个分布的差异，而且softmax和交叉熵组合起来，梯度形式非常简洁：∂L/∂z = p - y（预测概率减去真实标签的one-hot向量）。目标检测里的回归分支常用Smooth L1损失，原因是它对离群点不敏感，梯度不会爆炸。如果你能在答案里写出这个梯度形式，面试官对你的印象分立刻就不一样。

2.4 网络搭建题：用代码证明你真的会

有些笔试会要求手写或拖拽式搭建一个简单的CNN模型。2018年的主流做法是给一段TensorFlow或Keras代码框架，让你补全网络结构。比如用Keras搭一个基础的MNIST分类器，考验的就是你对卷积层、池化层、全连接层和softmax输出层的组合能力。

这里我特别想强调一个错误：很多人在纸上能画出VGG、ResNet的结构图，但真让他写代码就卡住了。这是典型的"眼高手低"。我的建议是复习期间至少用PyTorch手写一遍LeNet、用Keras搭一遍VGG的小型版本，不必跑多大数据集，但每一行代码都要理解它的作用。比如PyTorch里卷积层的参数顺序是(in_channels, out_channels, kernel_size)，batch维度默认在第一维，这些细节不亲手写一遍真的容易忘。

3. 过拟合与数据增强：笔试题里最常见的隐藏考点

3.1 过拟合的判定与本质：训练误差低、验证误差高的背后

过拟合这个概念，笔试里几乎逢考必出，但很多人的理解停留在"模型在训练集上表现好、在测试集上表现差"这句话上。真正想拿满分，得往深一层说。

过拟合的本质是模型把训练数据中的噪声和个别样本的特性也学习进去了，导致泛化能力下降。判断过拟合不是看训练误差本身，而是看训练误差和验证误差之间的差距。如果训练误差持续下降、验证误差下降到某个点后开始回升，那个"回升点"就是过拟合开始的地方。笔试给出这种曲线图让你判断是否过拟合的题，答"在验证误差开始上升时模型开始过拟合"就能得分，但如果能补充一句"此时的模型容量超过了数据量所支撑的表达能力"，会显得你对本质有理解。

为什么2018年的笔试题特别爱考过拟合？因为那个年代深度学习模型还普遍存在标注数据不足的问题，工业界处理真实业务时最常遇到的也是过拟合。面试官考察这个点，本质上是在考察你处理真实数据的能力，而不只是课本知识。

3.2 正则化手段全家桶：L1、L2、Dropout、早停、BN

正则化是应对过拟合最直接的手段，笔试通常会让你列举几种方法并说明原理。这里我把最常见的几种整理成体系：

• L1正则化：在损失函数中加入权重绝对值和。它鼓励权重稀疏，因为L1的梯度在零点附近不连续，容易把不重要的权重压到0。适合特征选择场景。
• L2正则化：加入权重平方和，常被称为权重衰减（weight decay）。它让权重在更新时额外减去一个小的比例，权重整体变小但不会为0，模型更平滑。L2在神经网络里用得比L1多。
• Dropout：训练时随机让一部分神经元失活（输出置为0），迫使网络学习冗余表示，相当于在训练多个子网络的集成。注意测试时需要关闭dropout，并且权重要乘上保留概率，PyTorch的nn.Dropout会自动处理，但手写实现时很容易漏。
• 早停：在验证集误差不再下降时停止训练，避免继续拟合训练集噪声。
• Batch Normalization：虽然初衷是解决内部协变量偏移、加速收敛，但它对过拟合也有抑制作用，因为它给每一层的输入做了归一化，带有轻微的正则化效果。

笔试如果让你比较L1和L2，记住一句话：L1产生稀疏解，L2控制权重尺度。如果再追一句"从优化角度看L1在0点不可导，通常用近端梯度法或次梯度处理"，那就更到位了。

3.3 数据增强不是玄学：工程细节才是得分点

数据增强在工业界的地位怎么强调都不为过。2018年的笔试虽然不见得会直接考"数据增强的代码"，但开放性题目里经常出现"训练数据不够怎么办"，答案里必然绕不开数据增强。

图像分类场景常见的数据增强手段有：随机水平翻转、随机裁剪、旋转、缩放、平移、颜色抖动、高斯噪声、cutout（随机擦除一块区域）。做目标检测时还得注意：裁剪不能把标注框切丢，旋转不能破坏框的坐标对应关系。这些细节说出来，面试官会认为你有真实项目经验，因为只看理论书的人根本不会意识到"增强之后标注要跟着动"。

另外一个容易被忽略的工程细节是数据增强的策略选择。2018年时随机裁剪加翻转几乎是标配，但实际效果与数据集强相关。比如车牌识别这类强结构化数据，不适合做大幅旋转；医学影像数据翻转要谨慎，左右翻转可能让病灶位置语义发生改变。笔试答数据增强时能举出这种"分场景增强"的例子，比背十个方法名管用得多。

4. 工程与代码能力：笔试之外决定成败的下半场

4.1 编程题：刷多少题、刷什么题才算够

说实话，理论题答得再好，编程题写不出来也会挂。网易的笔试编程题一般有2到3道，难度集中在LeetCode中等题。常考的类型包括：数组与哈希表、链表操作、二叉树遍历与递归、动态规划、字符串处理、排序与二分查找。

我给准备者的建议是：不用追求刷到1500题，但一定要把高频题型吃透。优先级最高的是二叉树和动态规划，因为这两类题最能考察递归思维和状态定义能力，也是面试官最喜欢的出题方向。数组和哈希表是基本功，必须做到二十分钟内能调通一道变形题。字符串处理的KMP算法虽然常被提起，但笔试中直接考KMP的概率不高，反而字符串转整数、最长回文子串这类中等题出现频率更高。

编程题还有一个很多人忽略的坑：题目给出的输入输出格式。一定要先写好输入读取和输出格式化的代码模板，再去想算法。每年都有大量候选人算法思路完全正确，但因为读不懂输入格式或者输出格式差了一个空格导致判题不通过，这种丢分是最可惜的。

4.2 深度学习框架选型：2018年你该站哪一边

2018年的深度学习框架生态跟现在差别很大。当时TensorFlow还是绝对的主流，PyTorch在学术界刚刚崭露头角，Caffe在工业界尤其是有视觉业务的公司里仍有不小份额。笔试如果问"你会用什么框架，为什么"，答什么都行，关键是逻辑要自洽。

选TensorFlow的同学可以强调静态计算图的性能优化和TensorFlow Serving的部署生态。选PyTorch的同学可以强调动态图的调试友好性和研究效率。最怕的是你写"我会用TensorFlow"，但问到你TensorFlow里placeholder和Session的角色时一脸茫然。哪怕你用的框架在2018年比较小众，只要你能说出它的设计思路和你的实践心得，面试官反而会给你加分。

给一个具体的建议：如果时间有限，2018年这个节点我建议优先学PyTorch。因为学术论文的复现代码越来越多地用PyTorch实现，对实习生来说追前沿模型效率更高。当然，工业和部署场景里TensorFlow的存在感依然很强，两个都懂的人在任何时代都是稀缺的。

4.3 显存、数据集与训练周期：实习生的工程直觉从哪里来

理论扎实但工程一无所有的候选人很多，所以笔试和面试里常有"隐性的工程题"。比如给你一个10万张图的分类任务，问你大概要多少显存、训练多久。

我在这里给一个粗略的估算方法。假设输入图像是224×224的RGB图，batch size设为32，一个输入batch占用的显存大约是224×224×3×4字节×32≈19MB。中间特征图的显存开销要大得多，尤其在高分辨率特征图上，比如VGG在112×112分辨率上的通道数达到128，单个特征图就是112×112×128×4字节≈6.3MB，一层层堆叠起来显存需求会迅速放大。实际训练时通常需要几GB到十几GB显存，这取决于网络的深度和复杂度。

这种估算方法不需要多精确，但你一定要有量级概念。面试官问你，你如果说"不知道"或者"随便调一下试试"，就暴露了工程经验的缺失。如果你能答出"batch size受显存限制，显存不够就减小batch size或降低输入分辨率，但要注意batch size太小会导致BN统计量不稳定"，这就是一个很有经验的回答。

5. 以题带面：算法实习生笔试的可复用备战框架

5.1 一张自测清单：笔试前两周查漏补缺

我把前面所有内容浓缩成一张自测清单，笔试前两周逐条打勾。打勾不是看过就行，要能脱离资料口头讲清楚原理才算过。

这张表最大的价值是把"我大概都会"变成"我确定有把握"。我在实际辅导中见过太多学生，聊天时觉得什么都会，一到笔试现场才发现某个知识点只是"听过"而非"会用"。自测的目的就是把这种虚假安全感打掉。

5.2 项目经历的三个层次与表达方式

笔试虽然不直接考察项目经历，但很多开放性题目其实就是项目经历的小型翻版。面试部分更是直接围绕项目展开。所以项目经历的整理也要提前做。

我把项目经历分成三个层次。第一层是"用过"，比如调参跑通了某个开源模型，这只能说你有基本动手能力。第二层是"改过"，你在别人代码的基础上做了修改，解决了某个实际问题，比如把目标检测模型迁移到你的数据集上并处理了类别不平衡。第三层是"研究过"，你能说清楚某个方法为什么有效、失效，以及你如何设计实验验证。

表达项目经历时用STAR法则比较稳妥：背景（Situation）、任务（Task）、行动（Action）、结果（Result）。但要注意别背稿子。我面试过不少候选人，项目讲得跟百度百科一样流畅，但追问一个细节就支支吾吾。真正的好表达是"开头30秒讲清楚要解决什么问题，剩下时间讲你遇到的坑和怎么填的坑"。

5.3 时间线规划与心态管理

最后给一个时间规划参考。假设笔试还有六周：

• 前两周：把自测清单里的理论部分全部过一遍，结合资料查漏补缺。每天保持刷2到3道LeetCode。
• 第三四周：进入实操模式，用框架完整跑一个图像分类项目，重点体会数据加载、模型搭建、训练调参、评估测试的完整闭环。开放题开始动手写解决方案，不求篇幅长，而求逻辑闭环。
• 最后两周：进入模拟笔试状态，限时完成整套往年真题，重点训练时间分配和心态。同时把自测清单再过一遍，标注薄弱项集中突破。

心态方面有一个真实的经验：笔试场上遇到不会的题太正常了，2018年那套题里也有好几个我当年没答好的点。关键是不要在一道题上死磕太久，编程题卡了15分钟没思路就先跳过去做后面的理论题，等拿到该拿的分再回头。计算机视觉算法岗的笔试考的是综合能力，不是单点能力，项目经验和理论基础都能帮你兜底。

对我来说，这类笔试最有价值的不是那张成绩单，而是逼着你在短时间内把深度学习从"会用"提升到"懂原理"的过程。很多年以后，你一定会感谢那个对着反向传播推导公式、为了一个感受野计算翻来覆去验证的自己。祝准备笔试的你，能顺着这套框架把基础打扎实，在真正的考场上游刃有余。