全连接就是一种无损的卷积的过程,会大大占用计算机的计算力,用于提取图片中或数据中的特征值。为了提高提取成功的准确率降低误差,全连接层的数量一般多,比如3*3*5的经过处理的数据层,我们要提取其中的特征数据,我们使用3096个卷积核来提取
3096次特征数据。用一个形象的例子来说吧:就好比一个英雄有3096套皮肤,每个皮肤装扮到英雄上面就有3096种图画,我们根据这3096种风格就可以在心里有一个综合判断值,这是一个什么英雄,我猜中概率大概有多大,大概就是这个意思。
而模型里面通常有两层全连接层,就是因为一个全连接卷积层无法无法使特征数据聚集到一种可以准确判断的程度(就是模型效果不好),再加一层使特征数据更加集中(就是效果比一层提高了)。好比第一层捕捉到猫眼睛,鼻子,耳朵,却拼不到一起,相隔甚远,再来一层把这3个特征拉倒一起拼凑出了一张猫脸,哦,这时就可以计算出一个猫脸的特征值了,就判断出图像里面有一只猫了。
上图: