根据全连接层代码判定卷积神经网络输出类别数

判断规则 #

在PyTorch框架里，全连接层nn.Linear的两个传入参数含义非常明确：第一个参数是层接收的输入特征总数，第二个参数是层输出的特征总数。如果这个全连接层是整个卷积网络的最后一层，它的输出特征数就等于网络要分类的总类别数。

给定代码拆解 #

题目给出的全连接层定义代码：

self.fc1=nn.Linear(out_2*49,5)

• 第一个入参out_2*49：代表卷积部分输出的特征图展平后的总特征长度，是全连接层的输入，和最终分类类别数没有关系
• 第二个入参5：代表这个全连接层最终会输出5维的特征向量，对应5个类别的预测置信度

最终结论 #

这个卷积神经网络的输出类别总数量为5。

内容的提问来源于stack exchange，提问作者LastTrain