全连接层

每个输出神经元连接全部输入的层：参数量按位置数乘神经元数相乘地长，且把「第几行第几列」当独立坐标。卷积压掉的正是这笔账。

生产方式：AI 生成AI 生成，仅供参考签发：晓黎学习复核：2026年11月8日被 5 个词条引用

图像一旦进了全连接层，参数就按相乘的方式长：28×28 接 800 个神经元是 784 乘 800，等于 627,200 个待学参数；1000×1000 接 1000 个就是十亿量级。像素翻十倍参数翻十倍，神经元再翻十倍又翻一次，要钉住参数，样本量就得跟着涨。见 参数量、神经网络（Neural Network）。

全连接还有一项隐性成本：同一种竖边出现在左上角和中间是两个互不相干的维度，必须各学一遍，所以做识别之前要由人先把「什么算一条边」从像素里挑出来，见 人工特征工程。卷积用 局部连接 与 权共享 两条约束把这两笔都压掉。见 卷积。

互链

链接来自概念卡正文里的双链，编译时能解到本期词条集的才成为站内链接。

反链（5）

出现在哪些课时里（2）

判据与「课时正文里能不能点出来」是同一个：那一节确实提到了它。点课时走当前页跳转， 它是导航，不是词条链接。

关联图

只画这一条与它直接相连的词条，边与上面两区同源。可拖拽、可缩放，点节点是新标签。

以列表方式看这 7 个节点

出处

路径是本地知识库（Obsidian 库）里的位置，正文与概念卡逐字对应。

  • 课程正文用法归纳从手写体到 ImageNet：卷积赢在哪一格packages/db/prisma/lesson-content/from-handwriting-to-imagenet.md
  • 课程正文用法归纳课程派生词条 · 模型与生成式 AI 基础

编译入库：2026年11月2日。词条由知识库编译而来， 修正要回到概念卡改，再重新编译。