本文探讨了卷积神经网络中FullyConnected层的功能与用法，指出其作用在于将卷积层提取的特征进行非线性组合，用于分类任务。同时提醒，由于参数量大，FC层存在过拟合风险。
看到过别人在加载模型的时候，会有丢掉后面的fully connect层的做法。
总结下fully conncet 的解释和用法:
- 这是网上的一种解释：
https://stats.stackexchange.com/questions/182102/what-do-the-fully-connected-layers-do-in-cnns
该回答认为，FC layer可以将卷积层学习到的特征进行非线性的组合 - 还有较为普遍的解释，说卷积层用来提特征，FC充当分类的作用：
- 重新温习了cs231n:http://cs231n.github.io/convolutional-networks/
发现有几点需要注意的地方：
- 首先FC参数量大，有overfitting的风险。
有时间再继续……
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
