全连接层根据其定义需要固定大小的输入

全连接层（Fully-connected layer）是神经网络中的一种层，其特点是每个输入节点与每个输出节点之间都有连接。具体来说：

全连接层的定义

• 连接方式：在全连接层中，每个输入特征都与每个输出神经元相连接。这意味着，输入的每一个元素都会对输出的每一个神经元产生影响。

• 功能：其主要作用是将前一层提取的特征进行综合，并进行非线性变换，以便进行最终的分类或回归任务。

为什么需要固定大小的输入

• 输入尺寸：全连接层的输出节点数量是固定的，因此其输入也必须是固定大小的。这是因为全连接层的权重矩阵的维度取决于输入和输出的大小。如果输入大小不一致，权重矩阵就无法正常工作。

举例

例如，如果有一个全连接层接受一个长度为256的输入向量（特征向量），那么这个层会有一个权重矩阵，其维度为 256 x N（N是输出节点的数量）。如果输入的长度变化（例如变成128或512），则权重矩阵的维度就会不匹配，导致无法进行计算。

因此，固定大小的输入要求主要来源于全连接层，而卷积层则可以处理任意大小的输入。