在使用CNN提取特徵時，到底使用哪一層的輸出作為特徵呢？很多人會說：“當然是最後一個全連線層了！，這有什麼問題？”

    這還真有問題！我相信有很多人和我一樣走入了一個誤區，認為最後一個全連線層的輸出連線最後的分類器，那麼最後一個全連線層的輸出當然是最後提取的特徵了。知道昨天我讀了一篇論文才恍然大悟，原來這樣是錯的！正確的答案是倒數第二個全連線層的輸出才是最後要提取的特徵。

   原因：最後一個全連線層的輸出維度，在設計時是和訓練樣本的類別數一致的，比如你的訓練要本有2622類，那麼在設計最後的分類器時要有2622個輸入，則最後一個全連線層的輸出也是2622維的。這樣最後一個全連線層的輸出維度就和訓練樣本有了密切的關係，因此把它作為最後的特徵顯然不合適。

   注意：以上只是我的個人理解，如有不對之處，感謝指正！