之前看过这个问题,但是后来又忘记了,所以写一下加深印象
什么是全连接?
在之前的一些网络中,经常用全连接层做收尾,一般放在卷积和池化的后面
比如说最后生成的是 3 × 3 × 2 3 \times 3 \times 2 3×3×2 的特征图,需要得到10个数值的输出
那么全连接就是先将这个特征图reshape成一维的(如 18 × 1 18 \times 1 18×1),在用 18 × 10 18 \times 10 18×10个参数来生成最后的10个数值,类似下图:
什么是卷积?
这个嘛,就不谈了
卷积和全连接的关系
-
在输入的大小正好符合全连接层接收的大小的时候,其实卷积和全连接是差不多的。
继续用上面的例子,全连接可以看成是10个 3 × 3 × 2 3 \times 3 \times 2 3×3×2 大小的卷积核,结果也是一样的 -
在卷积核size小于全连接的时候,卷积可以看成是全连接的子集,比如 2 × 2 × 2 2 \times 2 \times 2 2×