对于卷积神经网络中全连接层的理解(有错)

2018年7月14日 下午6:25

2019年3月12日 下午2:01
我觉得全连接层的第一层的作用并不是错了，而是他描述的是第一层全连接层，而这片文章描述的是2~n的全连接层

2018年9月29日 上午9:24
这篇文章对全连接的第一层的来源理解有误。全连接层的第一层的作用

对于卷积神经网络中全连接层的理解 - CSDN博客

1. 这次从数学的角度去理解就发现全连接很简单：只是和卷积和池化使用了不同的数学计算公式罢了
2. 并且[X1X3]是一张图片(7732)在卷积+池化操作后，进行一维展开的结果,图中[X1X3]可以理解成是一个向量。此时，全连接层可以理解成是：是一张图片的数据(7*7 *32)，展开再分配的过程。具体分配为几份，看自己，这里设置的是1024.

代码的体现方式：

18- OpenCV+TensorFlow 入门人工智能图像处理-CNN识别手写数字 - 简书

1. 这类的1024就是我们自己规定的全连接结果是1024个，就好比这里的a1~a3。

自己修改参数：修改全连接的结果，将1024改为512

效果：最后结果收敛的速度变慢了！相当于传入到softmax中的特征数变少了，维度降低了，那么softmax就收敛的慢了

自己修改参数：修改全连接矩阵的维度，将7732改为7*7

效果：直接报错了，是维度上的错❎。
卷积神经网络 全连接层小结 - CSDN博客