我不明白其中的一部分（quora: How does the last layer of a ConvNet connects to the first fully connected layer）：
制作功能图的热门表示。所以我们会有64 * 7 * 7 = 3136个输入特征，再次由3136个神经元处理 将其减少到1024个功能。矩阵乘法这一层 将是（1x3136）*（3136x1024）=＆gt; 1x1024
我的意思是，使用3136个神经元减少3136个输入到1024个特征的过程是什么？
答案 0 :(得分：0)
我会用外行的术语解释它我是如何理解的。
要素图的一个热门表示是使用1和0通过矩阵表示分类值的方法。这是机器读取/处理数据的方式（在您的示例中，图像或图片）。然后ig使用矩阵代数进行计算。
现在计算的一部分是1行和3136列二进制值（1或0）的乘法和另一个大小为3136行和1024列的矩阵。当您将这两个矩阵复用时，生成的矩阵为1行和1024列。现在是1和0的矩阵，代表你的图像或图片。
答案 1 :(得分：0)
希望我的问题是对的。
您需要了解矩阵乘法。 （1x3136）*（3136x1024）是矩阵乘法的示例，第一乘数（（1x3136））列号必须等于第二乘数（3136x1024）行号。这导致（1x1024），因为第一乘数的行变为结果行，而第二乘数的列变为结果的列。
另外，请检查：