深度学习——全连接，局部感知，权值共享，卷积输入输出的个人理解

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：