据我了解，全连接层（简称fc）用于预测。
例如，VGG Net 使用了 2 个 fc 层，它们都是 4096 维。softmax 的最后一层具有与类 num:1000 相同的维度。
但是对于 resnet，它使用了全局平均池化，并使用最后一个卷积层的池化结果作为输入。
但他们仍然有一个 fc 层！这层真的是fc层吗？或者这一层只是将输入输入到一个特征向量中，其中数字是类数？该层是否具有预测结果的功能？
一句话，resnet和VGGnet有多少个fc层？VGGnet 的 1st 2nd 3rd fc 层有不同的功能吗？
从本质上讲，微软（ResNet）的人更喜欢更多的卷积层而不是全连接层，因此省略了全连接层。GlobalAveragePooling 还显着减小了特征大小，因此减少了从卷积部分到全连接部分的参数数量。
我认为性能差异非常小，但是通过引入 ResNets，他们的主要成就之一是参数的显着减少，这两点帮助他们实现了这一点。
VGG 有三个 FC 层，两个有 4096 个神经元，一个有 1000 个神经元，输出类别概率。
ResNet 只有一个具有 1000 个神经元的 FC 层，它再次输出类别概率。在 NN 分类器中，最好的选择始终是使用 softmax，一些作者在图中明确表示，而另一些则没有。