dense层和FC层

密集层（Dense Layer）和全连接层（Fully Connected Layer，简称FC层）在深度学习中是同一个概念。它们用于神经网络模型中的前向传播过程，将输入数据与权重矩阵进行矩阵乘法运算，并通过激活函数将结果进行非线性变换。这样可以实现特征的提取和映射，帮助网络学习输入数据的复杂特征。

密集层/全连接层的每个神经元与上一层的每个神经元都有连接，即输入数据中的每个特征都与该层中的每个神经元相连。这种连接方式使得密集层/全连接层能够进行全局特征的学习，灵活地拟合输入数据与输出标签之间的关系。

在实际应用中，密集层/全连接层常常用于神经网络的最后几层，用于将高维特征映射到具体的输出类别或数值。但需要注意，过多的全连接层可能会导致模型过拟合的问题，可以通过添加正则化项或者使用其他的层结构进行缓解。