全连接层作用

全连接层（Fully Connected Layer）是深度神经网络中的一种，也叫做密集连接层。

它的作用是将前面的所有层的输出连接起来，形成一个向量。这个向量通常被认为是最终的特征表示，可以用于分类、回归等任务。

全连接层的输入通常是一个二维的矩阵，每一行代表一个样本的特征向量，每一列代表一个特征。输出通常是一个二维的矩阵，每一行代表一个样本的标签向量，每一列代表一种类别。

全连接层的主要优点是可以学习不同特征之间的关系，从而提高模型的表现力。缺点是参数数量较大，容易导致过拟合。