全连接层属于输入层、输出层还是隐藏层

全连接层本身不固定属于输入层、输出层或隐藏层，它是一种“层的连接结构”，可作为隐藏层或输出层，输入层通常不称为全连接层。

核心定义

全连接层（Fully Connected Layer）的核心是“层内每个神经元与前一层所有神经元完全连接”，连接方式是关键，而非层在网络中的位置。

不同位置的应用

1. 作为隐藏层：这是最常见的用法。深层网络中，中间的全连接层负责提取输入数据的高阶特征，通过加权连接整合前一层的信息，为后续计算铺垫。
2. 作为输出层：分类或回归任务中，最后一层常设计为全连接层。它接收前一层（隐藏层或特征提取层）的信息，输出最终的预测结果（如分类概率、回归数值）。
3. 与输入层的区别：输入层是网络的“数据入口”，仅负责接收原始数据，不进行任何加权计算，因此输入层本身不属于全连接层。