我知道密集层意味着经典的全连接层，这意味着每个输入都会进入每个神经元进行乘法。但最近我脑子里出现了一些问题，在 youtube、博客、StackOverflow、文章上搜索时没有人给我满意的答案。
1-为什么我们在神经网络中需要全连接（密集）层，它的用途是什么？我们不能使用稀疏层吗（意味着一些输入只会到达一些神经元，因此所有神经元都不会获得所有输入）
2-如果我们使用稀疏层会发生什么？我知道计算量会减少，但是会对输出产生什么影响。神经元是否能够像密集层一样执行？
3-在神经网络中使用哪种稀疏层或密集层更好。（优点和缺点）
4-如果我们可以使用稀疏层并且它表现良好，那么为什么我没有比FCN（全连接层）更多地听到这个术语
稀疏层与神经网络中的下降层不同。在丢弃层中，您修剪/丢弃一些神经元，但其他神经元获得上一层的所有输出。所以不一样。
使用稀疏层只会引入更多需要调整的功能。你的稀疏层会是什么样子，什么连接到什么？使用密集层至少可以保证有可能使用连接。
你也回答了你自己的问题，显然稀疏层并不是更好，否则你会收到他们的消息。另一方面，Dropout 很有用并且被广泛使用。