Fully Connected Layer란?

1. Fully Connected Layer란?

"Fully Connected Layer"는 딥러닝(Deep Learning)에서 모든 입력과 모든 출력이 서로 연결된 층을 뜻합니다. 줄여서 "FC Layer"라고도 부릅니다.

조금 어려워 보일 수 있지만, 비유를 들어 쉽게 설명할게요.

---

2. 쉽게 이해하는 비유: 학교 반 친구들과 인사하기

상상해봐!
네 반에 친구들이 5명 있고, 옆 반에도 친구들이 4명 있어.

• 너와 네 반 친구들(5명)이 "입력(input)"이고,
• 옆 반 친구들(4명)이 "출력(output)"이야.

Fully Connected Layer에서는 모든 입력 친구들이 모든 출력 친구들과 각각 악수를 한다고 생각하면 돼.

• 네 반의 1번 친구는 옆 반의 1번, 2번, 3번, 4번 친구와 모두 악수!
• 네 반의 2번 친구도 옆 반의 1번, 2번, 3번, 4번 친구와 모두 악수!
• ...
• 네 반의 5번 친구도 옆 반의 1번, 2번, 3번, 4번 친구와 모두 악수!

모든 입력이 모든 출력과 연결된 것, 이게 바로 Fully Connected Layer야!

---

3. 조금 더 정확하게: 수학적으로

• 입력(Input) 하나마다 출력(Output) 하나를 만들기 위해 **가중치(weight)**라는 숫자를 곱하고, 더하는 계산을 해.
• 이 가중치들은 학습하면서 점점 더 좋은 숫자로 바뀌어.
• 그래서 **"어떤 입력이 결과에 얼마나 영향을 미치는지"**를 스스로 배우게 되는 거야.

수식으로 표현하면:

복사편집

출력 = 입력 × 가중치 + 편향(bias)

(여기서 편향은 결과를 살짝 조정하는 역할을 해.)

---

4. 왜 Fully Connected Layer를 쓸까?

• 입력에 있는 모든 정보가 출력에 다 영향을 줄 수 있어서, 복잡한 패턴도 잘 배울 수 있어.
• 이미지 분류, 글자 인식, 음성 인식 등 다양한 분야에서 마지막 결론을 내릴 때 많이 사용돼.

예시:
고양이 사진을 보고 "고양이다!"라고 최종 판단하는 마지막 순간에도 Fully Connected Layer가 등장해.

---

5. 요약

구분내용

정의	입력의 모든 노드와 출력의 모든 노드를 연결하는 층
비유	반 친구들끼리 서로 전부 악수하는 것
역할	입력 정보 전체를 조합해 최종 판단을 내리는 데 사용
사용 예시	이미지 분류, 글자 인식, 음성 인식 등

---

🔥 한 줄 정리

Fully Connected Layer는 모든 입력이 모든 출력과 연결되어, 복잡한 문제를 해결할 수 있게 도와주는 딥러닝의 기본 구조다!