Neural network CNN中全连接层的输出是什么？

例如，在Caffe中，应该在内积（完全连接）层中定义num_输出。此输出数字的含义是什么？

将完全连接层视为

1xN

和

NxM

的简单矩阵乘法，以生成维度

1xM

的结果

让我们考虑一个维度的数据，如“代码＞56x56x3<／代码>”作为一个完全连接层的输入。让重量的尺寸未知

NxM

。考虑，我们设置<代码> NUMYOUTPUT＝4096 < /代码> ./P> 为了计算这些数据，全连接层将尺寸

56x56x3

的输入数据重塑为

1xN

，

1x（56x56x3）=1x9408

因此,

N=9408

M=num_输出=4096

实际上，我们最终做了一个

（1x9408）矩阵-（9408x4096）矩阵

乘法

如果num_输出值更改为

100

，它将执行

（1x9408）矩阵-（9408x100）矩阵

乘法

---

因此，增加

num\u output

值将增加模型必须学习的权重参数的数量。

我觉得您也可以回答这个问题。非常感谢。