“要进行任何分类或回归，我们需要全连接层作为输出层”

【问题标题】："To do any classification or regression, we need the fully-connected layer as the output layer"“要进行任何分类或回归，我们需要全连接层作为输出层”
【发布时间】：2019-10-25 04:00:32
【问题描述】：

我浏览了一些论文和教程，到处都提到，“要进行任何分类或回归，我们需要全连接层作为输出层”。为什么这样？它背后的直觉是什么？我无法与我的理解相关联。如果我在最后一层使用 dropout 会怎样？

【问题讨论】：

标签： machine-learning artificial-intelligence conv-neural-network recurrent-neural-network

【解决方案1】：

首先，dropout 是一种从首要效应中调整不正确训练的方法：丢弃一些中间结论，并相信有效的结论会自然地重新出现。最后一层一般不使用Dropout。

全连接的最终层是用于分类的 NN（神经网络）习语：它为倒数第二层（前一层）中的每个感知器赋予一个权重，以影响最终（最终）分类。

一般的想法是，倒数第二层包含模型用来做出分类决策的最高级别的抽象和关系。每个可能的分类都有一个“声音”（权重）。结果是最后的 FC（全连接）层。

【讨论】：