全连接层的作用如下:
1. 首先全连接层(fullyconnectedlayers,FC)在整个卷积神经网络中起到“分类器”的作用。
2. 其次目前由于全连接层参数冗余(仅全连接层参数就可占整个网络参数80%左右),近期一些性能优异的网络模型如ResNet和GoogLeNet等均用全局平均池化(globalaveragepooling,GAP)取代FC来融合学到的深度特征,最后仍用softmax等损失函数作为网络目标函数来指导学习过程。需要指出的是,用GAP替代FC的网络通常有较好的预测性能。
3. 最后FC可在模型表示能力迁移过程中充当“防火墙”的作用。
免责声明:本网所有内容(包括且不仅限于图文音视频)均由用户自行上传分享,仅供个人学习交流分享。如侵害到您的权利,请联系:[email protected]