Neural-Networks
Conv和FC層之間的區別？
conv 層和FC 層有什麼區別？
為什麼我不能使用conv 層而不是FC 層？
卷積層在其下層的不同位置重複應用相同（通常很小）的過濾器。例如，如果輸入層的尺寸為 512 x 512，您可以有一個 conv 層應用相同的 8 x 8 濾波器（由 64 個濾波器係數指定），在（例如）覆蓋在輸入層上的 128 x 128 網格中的每個點. 另一方面，全連接層中的每個節點將學習 512 x 512 個權重，一個用於輸入層中的每個節點。
因此，卷積層非常適合檢測可能出現在輸入中任何位置的局部特徵（例如，視覺圖像中的邊緣）。這個想法是您不必單獨訓練每個節點來檢測相同的特徵，而是學習一個在所有節點之間共享的過濾器。
（請注意，每個卷積層通常會學習一組過濾器，每個過濾器都會在輸入中重複應用。例如，如果卷積層學習 16 個不同的特徵，則稱其“深度”為 16。）
FC 層用於檢測網絡中較低層檢測到的特徵的特定全局配置。它們通常位於網絡層次結構的頂部，此時輸入已被減少（通過先前的，通常是卷積層）以緊湊地表示特徵。FC 層中的每個節點都在其下層中的所有節點上學習自己的一組權重。
因此，您可以（粗略地）將捲積層視為將輸入（例如圖像）分解為公共特徵，而 FC 層將這些特徵拼湊成您希望網絡識別的對象。