所属模块：
M3 · 深度学习基础 (Deep Learning Foundations)| 专题分类：卷积与视觉基础 (Convolution & Vision Foundations)| 难度等级：Medium
一、核心一句话结论 (One-Sentence Summary)
等变：输入平移则输出同样平移（卷积）；不变：输入平移则输出不变（全局池化/分类输出）。
Equivariance means shifting input shifts output feature maps identically ($f(T x) = T f(x)$); Invariance means shifting input leaves output completely unchanged ($f(T x) = f(x)$).
二、核心考点要义 (Key Insights)
- 📌 等变是’跟着变’，不变是’不变’
- 📌 卷积是平移等变的；池化/全局池化提供（局部/全局）不变性
- 📌 分类需要不变性，分割/检测需要等变性
English Insights:
– Equivariance: $f(T_Delta x) = T_Delta f(x)$; convolution operations are mathematically equivariant due to spatial weight sharing
– Invariance: $f(T_Delta x) = f(x)$; global pooling and classification heads enforce invariance to discard spatial coordinates
– Task requirements: Object detection and segmentation require equivariance; whole-image classification requires invariance
三、核心数学原理与机理推导 (Mathematical Principles & Derivation)
$$text{equivariant}: f(T x)=T f(x);qquad text{invariant}: f(T x)=f(x)$$
数学机理：平移等变性（translation equivariance） 指’输入平移则输出以相同方式平移’：f(Tx)=Tf(x)，其中 T 为平移算子。卷积天然满足：由于权重共享（同一核在所有位置滑动），输入平移会导致输出特征图相应平移——这是 CNN 的核心性质。平移不变性（invariance） 指’输入平移则输出不变’：f(Tx)=f(x)。分类任务需要不变性（’猫在左上角’与’猫在右下角’应得到同一标签），而分割/检测任务需要等变性（位置信息必须保留，才能定位目标）。如何从等变得到不变：在等变特征上施加’全局聚合’——(a) 局部池化（max/avg pooling）提供局部不变性（窗口内平移不变）；(b) 全局平均池化（GAP） 提供全局不变性（任意平移不变），故分类头常用 GAP；(c) 堆叠多个池化逐步扩大不变范围。数据增强从数据侧诱导不变性：若对所有平移的样本都给出同一标签，模型会被迫学到平移不变的特征（但需足够数据覆盖）。注意：池化提供的不变性是’有代价的’——它丢弃位置信息，故对需要定位的任务有害；现代架构（如分割网络）用’编码器-解码器’结构在深层保留语义不变性、在浅层保留空间等变性。
📖 查看英文严格数学推导 (English Mathematical Derivation)
Mathematical Formulations:
Let $T_Delta$ be the spatial translation operator: $(T_Delta x)[i, j] = x[i – Delta_i, j – Delta_j]$.
① Translation Equivariance:
A mapping $f$ is equivariant with respect to $T$ if:
$f(T_Delta x) = T_Delta f(x), quad forall Delta$.
– Proof for Convolution:
$(W * (T_Delta x))[i, j] = sum_{u, v} W[u, v] (T_Delta x)[i-u, j-v] = sum_{u, v} W[u, v] x[i-Delta_i-u, j-Delta_j-v] = (W * x)[i-Delta_i, j-Delta_j] = (T_Delta (W * x))[i, j]$.
Convolution commutes with translation. If a cat shifts right by 10 pixels, its feature activations shift right by 10 pixels.
② Translation Invariance:
A mapping $g$ is invariant with respect to $T$ if:
$g(T_Delta x) = g(x), quad forall Delta$.
– Global Average Pooling (GAP):
$text{GAP}(T_Delta x) = frac{1}{H W} sum_{i, j} (T_Delta x)[i, j] = frac{1}{H W} sum_{i’, j’} x[i’, j’] = text{GAP}(x)$.
GAP integrates out spatial dimensions, converting equivariant spatial feature maps into a shift-invariant categorical embedding.
四、工业级落地权衡与工程考量 (Industrial Trade-offs)
深度剖析与工程权衡：① 等变与不变的层次——CNN 的浅层是’等变’的（保留位置），深层逐渐获得’不变’性（语义抽象）；这种’从等变到不变’的层次是 CNN 有效的原因之一。② ViT 的排列等变——注意力对 token 的排列是等变的（打乱则输出打乱），但对平移不是天然等变的（因 patch 划分固定）；故 ViT 需要位置编码 + 足够数据来学习平移等变性。③ 抗混叠与不变性——下采样的混叠会破坏平移不变性（同一目标在不同像素偏移下得到不同特征）；BlurPool 等抗混叠方法能显著改善。④ 等变性在生成中的作用——扩散模型的 U-Net 用卷积（等变），故能生成任意位置的物体；而全局注意力层会引入’位置特定’的先验。⑤ 与数据增强的关系——增强（翻转/旋转/裁剪）诱导的等变性是’模型需要学的’，与结构内置的等变性（卷积）互补；过强的增强可能引入不正确的先验（如对数字’6’与’9’做翻转）。⑥ 面试要点——被问’等变与不变的区别’，应用’跟着变 vs 不变‘一句话点破，并举例’分类要不变、分割要等变’；能进一步说’CNN 从浅层等变到深层不变’与’池化/下采样的代价’，是深度理解的标志。
⚙️ 查看英文落地权衡分析 (English Systems & Trade-offs)
System design alignment: In semantic segmentation, dense bounding box regression, and keypoint tracking, preserving equivariance across all backbone layers is mandatory. In classification, equivariance is converted into invariance at the final pooling head.
五、常见面试避坑陷阱 (Common Pitfalls & Traps)
- ⚠️ 把等变与不变混为一谈
- ⚠️ 在需要定位的任务上过度池化（丢失空间信息）
English Pitfalls:
– Confusing equivariance with invariance; convolution is equivariant, NOT invariant
– Inserting aggressive pooling early in segmentation networks, destroying spatial equivariance needed for mask delineation
六、高频深度面试追问与预测 (Follow-Up Questions)
- 为什么分类网络最终需要不变性？
- Why is Global Average Pooling mathematically invariant to translation while convolution is equivariant?
- 数据增强如何诱导不变性？
- How does group representation theory generalize translation equivariance to rotation and reflection in Group Equivariant CNNs?
七、知识图谱对齐 (Knowledge Graph Anchor)
- 🔗 关联底层卡片：
卷积算子原理：感受野推导、空洞卷积、Depthwise 深度可分离(Convolution Mechanics: Receptive Fields, Dilated & Depthwise) - 🗺️ 知识图谱模块：
深度学习架构导图
🔬 算法科学家与机器学习深度考察全量题库 (Science Depth)
本题收录于 TalentMe 算法科学家深度考察真题库 (Science Depth)。全库共 856 道硬核考点，深度覆盖数学统计、经典ML、深度学习、Transformer、大语言模型、多模态、推荐系统与 MLOps。支持 Jev 面经智能匹配、一键离线单文件 HTML 手册导出并直连 Obsidian 本地记忆。