在CNNs中，卷积层用于提取输入中的特征以降低成本函数。这些提取的卷积特征应该使用密集层进行分类。因此，密集层的使用是为了对卷积提取的特征进行分类。基于高级特征的复杂性，在深度卷积层中提取特征，可以有一层或多层。

看看 如何设置神经网络中的神经元和层数 来研究如何设置密集层中的神经元数量。

我可以在 CNN 中只使用一个全连接层吗？

是的你可以。例如，您可以仅将一层用于MNIST数据集并获得可接受的学习。

如何确定全连接层输出的维度？

每个全连接层的维度等于该层中神经元的数量。例如，假设您有一个权重矩阵$W$这是$10\times20$. 后一个数字代表输出神经元的数量。因此，输出维度属于$\mathbb{R}^{20}$.