首先理解:
1、全连接层1:(输入为卷积)
全连接和普通神经元类似,输出的每一个神经元都与输入的每一个像素点相连,
把多维向量转化为1维向量
。
例如前一层的卷积输出50个feature map(图片大小为4X4),全连接层输出的是500个神经元(输出500个数字),则每一个神经元对应4X4X50=800个参数(卷积操作输出一个数字),这一层全连接层和总共有800X500=400000个参数。
理解:如下图所示,X1,X2就是前面的输入的50X4X4个像素值,Y1,Y2就是输出的500个一维值,其中的参数个数就是V11,V21,V12,V22所有的参数个数总和。
2、全连接层2:(输入为全连接层)
如上所示,上述全连接层输入为500个数字,若本层输出为10个神经元(10个数字),每个神经元都对应500个参数,则总共500X10=5000个参数
3、局部感知: