Tensorflow2.0笔记29——全连接内容回顾

Tensorflow2.0笔记

本博客为Tensorflow2.0学习笔记，感谢北京大学微电子学院曹建老师

目录

• Tensorflow2.0笔记
  • 1.全连接内容回顾

1.全连接内容回顾

​ 全连接NN特点：每个神经元与前后相邻层的每一个神经元都有连接关系。（可以实现分类和预测）

​ 如图5- 1所示，针对一张分辨率仅为28 * 28的黑白图像（像素值个数为28 * 28 * 1 = 784），全连接网络的参数总量就有将近40万个。

​ 在实际应用中，图像的分辨率远高于此，且大多数是彩色图像，如图5- 2所示。虽然全连接网络一般被认为是分类预测的最佳网络，但待优化的参数过多，容易导致模型过拟合。

​ 为了解决参数量过大而导致模型过拟合的问题，一般不会将原始图像直接输入，而是先对图像进行特征提取，再将提取到的特征输入全连接网络，如图 5-3 所示，就是将汽车图片经过多次特征提取后再喂入全连接网络。