从多维卷积说起，比较CNN中的全连接和全卷积
卷积理解
一幅图像里包含三个通道，分别是RGB通道。三通道在卷积时是通过累加三个卷积结果得到的。
CNN中全连接层的卷积核大小是feature map的大小。比如feature是3*3的，那么该全连接层的卷积核大小为3*3的。
FCN中是把CNN上最后的三层全连接层换成了全卷积层。这两者的区别其实是卷积核的大小不同。输出的feature map 不再是1*1的大小。
以下是我自己写的例子，给大家参考，如有错误欢迎指出。
版权声明：本文为baby12511原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。