神經網絡中的瓶頸層是什麼意思？

我正在閱讀FaceNet論文，在介紹的第 3 段中它說：

先前基於深度網絡的人臉識別方法使用在一組已知人臉身份上訓練的分類層，然後將中間瓶頸層作為表示，用於在訓練中使用的身份集之外泛化識別。

我想知道中間瓶頸層是什麼意思？

瓶頸層是與之前的層相比包含較少節點的層。它可用於獲得降維的輸入表示。這方面的一個例子是使用帶有瓶頸層的自動編碼器來進行非線性降維。

我對這句話的理解是，以前的方法使用深度網絡對人臉進行分類。然後他們獲取該網絡的前幾層，從輸入到某個中間層（例如，th層，包含節點）。該子網實現了從輸入空間到維向量空間。這th 層是瓶頸層，因此th 層給出了輸入的低維表示。原始網絡不能用於對未經訓練的新身份進行分類。但是，一般來說，第 1 層可以很好地表示人臉。因此，為了學習新的身份，可以將新的分類器層堆疊在th層並訓練。或者，可以通過子網絡饋送新的訓練數據以從th 層，這些表示可以饋送到其他分類器。

引用自：https://stats.stackexchange.com/questions/262044