全连接层的作用是什么?
回答一:
概述
全连接层 Fully Connected Layer 一般位于整个卷积神经网络的最后,负责将卷积输出的二维特征图转化成一维的一个向量,由此实现了端到端的学习过程(即:输入一张图像或一段语音,输出一个向量或信息)。全连接层的每一个结点都与上一层的所有结点相连因而称之为全连接层。由于其全相连的特性,一般全连接层的参数也是最多的。
主要作用
全连接层的主要作用就是将前层(卷积、池化等层)计算得到的特征空间映射样本标记空间。简单的说就是将特征表示整合成一个值,其优点在于减少特征位置对于分类结果的影响,提高了整个网络的鲁棒性。
在知乎上有这样一个回答说的很形象。
假设你是一只小蚂蚁,你的任务是找小面包。你的视野还比较窄,只能看到很小一片区域。当你找到一片小面包之后,你不知道你找到的是不是全部的小面包,所以你们全部的蚂蚁开了个会,把所有的小面包都拿出来分享了。全连接层就是这个蚂蚁大会~如果提前告诉你全世界就只有一块小面包,你找到之后也就掌握了全部的信息,这种情况下也就没必要引入fc层了
作者:田star 链接:https://www.zhihu.com/question/41037974/answer/150552142
实现方式
全连接层的计算方式
如上图所示,一个网络在全连接层之前,生成了5@3×3的特征映射,我们需要只需要使用五个卷积核去和激活函数的输出进行卷积运算,在将五个输出的值相加即可得到一个全连接层的输出值。如果结果是N维的向量,则需要N×5个3×3的卷积核。再加上求和运算对应的权值,参数的数量是非常可观的,由此一般只在网络的之后使用全连接层。
回答二:
因为卷积层的作用只是提取特征,但是很多物体可能都有同一类特征,比如猫、狗、鸟都有眼睛。如果只用局部特征的话不足与确定具体类别。
这时就需要使用组合特征来判别了。全连接就是组合这些特征来最终确定是哪一个分类,所以全连接就是组合特征和分类器功能。
回答三:
(1)卷积神经网络为什么用卷积而不用全连接的原因之一就是:全链接计算量太大。
(2)卷积神经网络经过pooling之后,尺寸已经大大减少了,偶尔用一两层全连接,计算量可以接受。
(3)其实如果计算能力允许,你用每层都是全连接的,也许比卷积神经网络效果更好呢(我猜的,未必是真的),不过现实中不太可能。
初识全连接层 - Su'S Blog - SuZhengpeng.COM
全连接层的作用是什么?相关推荐
- 深入理解卷积层,全连接层的作用意义
有部分内容是转载的知乎的,如有侵权,请告知,删除便是,但由于是总结的,所以不一一列出原作者是who. 再次感谢,也希望给其他小白受益. 首先说明:可以不用全连接层的. 理解1: 卷积取的是局部特征,全 ...
- 神经网络学习笔记(一):全连接层的作用是什么?
以下是我看过最好的全连接层的解释! 原文链接:卷积神经网络(CNN)入门讲解关注专栏 以上图为例,我们仔细看上图全连接层的结构,全连接层中的每一层是由许多神经元组成的(1 × 4096)的平铺结构,上 ...
- 深度学习中多层全连接层的作用
全连接层参数特多(可占整个网络参数80%左右) 那么全连接层对模型影响参数就是三个: 1,全接解层的总层数(长度) 2,单个全连接层的神经元数(宽度) 3,激活函数 首先我们要明白激活函数的作用是: ...
- 卷积神经网络中卷积层、池化层、全连接层的作用
1. 卷积层的作用 卷积层的作用是提取输入图片中的信息,这些信息被称为图像特征,这些特征是由图像中的每个像素通过组合或者独立的方式所体现,比如图片的纹理特征,颜色特征. 比如下面这张图片,蓝色框框住的 ...
- 【深度学习】全连接层的作用
原文链接 https://www.zhihu.com/question/41037974/answer/150522307 全连接层(fully connected layers,FC)在整个卷积神经 ...
- 全连接层的作用_python构建计算图2——全连接层
(好久不更~)前文中,参照tensorflow的方式实现了简单的自动求导.接下来要在自动求导的基底(模板)上搭建简单的bp神经网络. 计算图 前文曾多次提到计算图,关于什么是计算图,有很多种说法.既然 ...
- 全连接层的作用是什么?(nn.Linear())
回答一: 概述 全连接层 Fully Connected Layer 一般位于整个卷积神经网络的最后,负责将卷积输出的二维特征图转化成一维的一个向量,由此实现了端到端的学习过程(即:输入一张图像或一段 ...
- 全连接层的作用_全连接层实现
本文以<Tensorflow2.0深度学习算法实战教材>参考,代码部分全程手打. 图1 将图1 堆叠可以得到含有多个隐藏层的全连接层,如图2所示.因为当前层的输入要与前一层的输出相匹配:所 ...
- 卷积层和全连接层的区别_卷积神经网络中全连接层作用理解总结
前言 一般来说,卷积神经网络会有三种类型的隐藏层--卷积层.池化层.全连接层.卷积层和池化层比较好理解,主要很多教程也会解释. • 卷积层(Convolutional layer)主要是用一个采样器 ...
最新文章
- oracle字符集与客户端
- 机器学习也能套模版:在线选择模型和参数,一键生成demo
- jdbc template 学习总结
- Oracle 11G安装时遇到了net.bridge.bridge-nf-call-ip6tables错误
- OpenCV Hit or Miss 击中或没打中的实例(附完整代码)
- [CF 526 F] Pudding Monsters(单调栈 + 线段树)
- dedeCMS 会员:个人空间模板style修改
- win7搭建oracle,win7下安装Oracle即时客户端搭建
- excel vba导入html表格,Excel VBA读取网址API 类Json数据并写入单元格的方法
- 扩展欧几里德算法的定义、解释、证明及其应用
- Docker入门学习四之自己制作Docker镜像
- 【车道线检测与寻迹】2月13日 CV导论+数字图像处理与opencv实践+canny边缘检测
- 关于linux下的共享库(动态库)和静态库
- 浅析近场通信技术特点及未来可能的应用与发展
- 近年来小学计算机课程目录,小学3-6年级信息技术课程目录(苗逢春版)
- WIN7 中 SMTP服务器的配置
- 【CAD .NET】设置保存为pdf文件的页面参数 边距,横向竖向
- 02 Ajax表单提交
- 山西省 建筑标准规范 合集
- 2020年防爆电气模拟考试及防爆电气实操考试视频
热门文章
- Description Resource Path Location Type Java compiler level does not match the version of the insta
- jeewx-api-1.0.1(捷微微信接口API)版本正式发布
- eclipse java main方法传参数
- recyclerview 设置分割线的高度
- Node.js学习准备篇
- 学习OpenCV——ORB简化版Location加速版
- 房子成焦点,被挂马的×××网站仍在增加中
- vs可以调用java接口吗_关于vs2010下编译dll动态库,JNA接口在java中调用的问题
- 从浏览器中下载文件如何修改默认保存位置
- 信息学奥赛一本通(1210:因子分解)