全连接层的前向传播是当前层的权重和上一层输出的乘积,再加上偏置量,公式表达就是
对于预训练好的网络来说,权重矩阵的形状是固定的,
以vgg16,512*7*7的特征输入为例,这个特征图进入全连接层之后就会被flatten成一个(25088,1)的向量,因此(500,25088)x(25088,1) ===> 输出矩阵的shape:(500,1)
对于预训练好的网络来说,权重矩阵
全连接层的前向传播是当前层的权重和上一层输出的乘积,再加上偏置量,公式表达就是
对于预训练好的网络来说,权重矩阵的形状是固定的,
以vgg16,512*7*7的特征输入为例,这个特征图进入全连接层之后就会被flatten成一个(25088,1)的向量,因此(500,25088)x(25088,1) ===> 输出矩阵的shape:(500,1)
对于预训练好的网络来说,权重矩阵