深度学习入门疑问：分类网络为何仅最后一层用Dense层？

Hey there! Let's break down your two questions one by one—they're really thoughtful for someone just getting into deep learning classification models.

• 核心原因是分类任务的最终目标是输出每个类别的置信度（或概率），而Dense层的全连接特性刚好能完成从高维特征到类别空间的映射。前面的特征提取层（比如卷积层、Transformer encoder）会从原始数据中学习到分散的、高维度的特征（比如图像的边缘纹理、文本的语义向量），Dense层会把这些分散的特征全部整合起来，计算出对应每个类别的最终得分。
• 其次，Dense层的输出可以直接搭配分类任务专属的激活函数：比如多分类用softmax把得分转化为符合概率分布的结果，二分类用sigmoid输出0-1之间的概率值，这是后续计算交叉熵损失、判断分类结果的基础。
• 举个直观的例子：用CNN做猫狗分类时，前面的卷积层能识别出耳朵、爪子这些部件特征，但这些特征分散在不同的通道里。最后一层Dense层会把所有这些部件特征的信息汇总，输出"是猫"和"是狗"两个类别的得分，这才是我们最终需要的分类输出。

• 首先，前面的特征提取层（卷积、循环、Transformer层等）的设计逻辑是学习通用的、结构化的特征，它们的参数和局部信息绑定（比如卷积核只关注局部图像区域），参数数量远少于同规模的Dense层，过拟合的风险本来就低。如果在中间插入Dense层，大量的全连接参数很容易"记住"训练数据里的噪声细节，反而破坏了特征的通用性，导致模型泛化能力下降。
• 其次，最后一层Dense层的参数规模是可控的：它的输出维度等于任务的类别数（比如10分类就是10个神经元），参数数量仅为「前一层输出维度 × 类别数」，相比中间加一个大Dense层，参数少很多，过拟合风险也更低。而且我们还能通过Dropout、L2正则化这些手段进一步约束它的参数，降低过拟合概率。
• 最后从任务逻辑来看，只有最后一步需要把特征映射到类别空间，前面的层只需要专注于提取高质量的特征即可。中间加Dense层不仅没必要，还会打乱前面层学习到的特征结构，增加训练难度和过拟合的可能性。

内容的提问来源于stack exchange，提问作者Yuki.U