神經網絡中的一種基礎組件
全連接層是神經網絡中的一種基礎組件，在這一層中，每一箇神經元都與前一層中的所有神經元相連接，每個連接都有各自的權重。
全連接層的主要作用包括學習和表示輸入數據的特徵，整合前面層中學習到的所有信息，以及完成分類或迴歸任務。在分類任務中，全連接層的輸出單元數量通常與類別數量相匹配，並使用softmax激活函數來計算每個類別的概率；在迴歸任務中，全連接層通常只有一箇輸出單元，用於預測一箇連續的值。
全連接層的計算可以表示爲y=W×x+b，其中x是前一層的輸出，W是權重矩陣，b是偏置向量，y是輸出。全連接層通常位於神經網絡的最後，負責將前層的輸出轉換爲一維向量，實現端到端的學習過程。由於其全連接的特性，全連接層往往包含網絡中大部分的參數。