深度学习（基于Keras）实践|第三期：全连接层简介

1. 一个相对具体的模型——如何连接：

在第一期中，我们曾实现过如下的神经网络：

输入层 - Dense 4,relu,100

输出层 - Dense 5,softmax

这两个层级均为全连接层，在展示两个层级之间的联系时采用了更为直观的表现方式。

如图所示，在全连接层中输入层包含四个神经元而输出层则由五个神经元构成每一项神经元都与其下一层次的所有神经元之间建立联系同样地每一项神经元也都会与其上一层次的所有神经元之间建立联系这正是全连接层最显著的特点

当该模型应用于多分类任务时，在输出层单元中设置了五个元素，则该系统能够识别的结果数量对应于五个类别中的每一个。

---

2.一个更具体的模型：全连接时到底做了什么？

然而，在当前的模型中仅向我们展示了众多复杂的线路（即便是在简单的案例中也多达20条），而对于数据信息如何通过这些线路从一个处理层传递到另一个处理层的过程及其内在机制仍不明确。

然而，在当前的模型中仅向我们展示了众多复杂的线路（即便是在简单的案例中也多达20条），而对于数据信息如何通过这些线路从一个处理层传递到另一个处理层的过程及其内在机