Tensorflow 完全连接层尺寸

关于卷积神经网络的完全连接层，我有一些不确定性。假设输入是卷积层的输出。我知道上一层是平的。但它能有多个频道吗？例如，完全连接层的输入是否可以是16x16x3 3个通道，并展平为768个元素的向量

接下来，我知道输出的等式是

outputs = activation(inputs * weights' + bias)

每个输入有1个重量吗？例如，在上面的示例中，是否有768个权重

接下来，有多少偏见？每个频道1个，那么3个？1不管怎样？还有别的吗

---

最后，过滤器如何在完全连接的层中工作？可以有多个吗

您可能对完全连接的神经网络的工作原理有误解。为了更好地理解它，你可以查阅一些好的教程，比如斯坦福大学的在线课程

回答您的第一个问题：是的，无论您有什么尺寸，在发送到完全连接的层之前都需要将其展平

要回答第二个问题，您必须了解完全连接层实际上是一个矩阵乘法然后向量加法的过程：

输入^T*权重+偏差=输出

其中，输入的尺寸为1xIN，权重为大小INxOUT，输出的尺寸为1xOUT，因此，输入的尺寸为1xIN*INxOUT=1xOUT。总的来说，每个输入都有INxOUT权重和OUT权重。您还需要去掉偏差，这样整个方程就是1xIN*INxOUT+1xOUTbias项

没有过滤器，因为你没有做卷积

---

请注意，完全连接层也等同于1x1卷积层，并且许多实现稍后用于完全连接层，这可能会让初学者感到困惑。有关详细信息，请参阅

好的，谢谢，我认为这很有意义。这里“不”是什么意思？忘了这一点，我最初添加它是为了表示矩阵的转置，但我们不再需要它了。