花书+吴恩达深度学习（十二）卷积神经网络 CNN 之全连接层

版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/zhq9695/article/details/85013833

目录

0. 前言

1. 全连接层（fully connected layer）

---

如果这篇文章对你有一点小小的帮助，请给个关注，点个赞喔~我会非常开心的~

花书+吴恩达深度学习（十）卷积神经网络 CNN 之卷积层

花书+吴恩达深度学习（十一）卷积神经网络 CNN 之池化层

花书+吴恩达深度学习（十二）卷积神经网络 CNN 之全连接层

花书+吴恩达深度学习（十三）卷积神经网络 CNN 之运算过程（前向传播、反向传播）

花书+吴恩达深度学习（十四）卷积神经网络 CNN 之经典案例（LetNet-5, AlexNet, VGG-16, ResNet, Inception Network）

0. 前言

在卷积神经网络中，除了卷积层和池化层之外，还有全连接层。

1. 全连接层（fully connected layer）

全连接层就是将上一层的输出全部展开成一维的。

例如，上一层是 ，则全连接层将其展开成  。

然后，跟前馈神经网络的矩阵计算一样，通过一个权重  和偏置  ，将其特征数量改变。

例如，这一层的输出是 ，则权重 的维度是  。

---

如果这篇文章对你有一点小小的帮助，请给个关注，点个赞喔~我会非常开心的~