船长黑板报所有文章和代码的最新版本均在
Captain1986/CaptainBlackboardgithub.com![30d44539513f1c55dadc8413948cac85.png](https://i-blog.csdnimg.cn/blog_migrate/c65790f3eea15a9bc691f09cc1db37f0.jpeg)
维护,知乎不做维护
您的Star是对我的鼓励
## 引言
在经典分类网络,比如LeNet、AlexNet中,在前面的卷积层提取特征之后都串联全连接层来做分类。但是近些年来,越来越多的网络,比如SSD,FasterRCNN的RPN,MTCNN中的PNet,都使用卷积层来代替全连接,也一样可以做到目标分类的效果,而且
1. 更灵活,不需要限定输入图像的分辨率;
2. 更高效,只需要做一次前向计算。
本文首先对全连接层和卷积层关系做分析,然后比较全连接层和卷积层的优缺点,自然也就搞清楚了为什么用卷积层替代全连接层这个问题了。
**欢迎探讨,本文持续维护。**
## 实验平台
N/A
## 全连接和卷积的关系
全连接层和卷积层只要设置好了对应的参数,可以在达到相同输入输出的效果,在这个意义上,在数学上可以认为它们是可以相互替换的。
下面我们以输入10 x 10 x 3的特征图,输出10 x 10 x 1的特征图来证明。
### 全连接层是一种核很大的卷积层
全连接层怎么做?