【G検定過去問風テスト】全結合層のパラメータ数計算と役割を完全攻略！
※本記事では、アフィリエイトプログラムより教材を紹介しています。
📝 問題
ディープラーニングにおける「全結合層（Fully Connected Layer）」に関する記述として、最も適切な選択肢を1つ選べ。
- A）入力データと出力データの要素が局所的にのみ接続されるため、画像データの縦横の位置関係（空間的特徴）を保持したまま学習できる。
- B）入力層のノード数が10、出力層のノード数が5の全結合層において、バイアスを考慮した場合に学習すべきパラメータの総数は50個である。
- C）前の層が抽出した特徴量を集約し、線形変換などを通じて最終的な分類や予測といった判断を下す役割を持つ。
- D）全結合層の計算における「重み」とは、各出力ノードが個別に持つ評価の甘さや厳しさ（下駄）を調整する加算用のパラメータである。
🔍 ここをクリックして正解を見る
- 正解: C）前の層が抽出した特徴量を集約し、線形変換などを通じて最終的な分類や予測といった判断を下す役割を持つ。
💡 合格に近づく！徹底解説
- 重要度: ★★★
■ 1分で分かる！この問題の要点
- 全結合層は「最後の判定役」：前の層が拾ってきた情報をすべてまとめて最終判断を下します。
- 計算問題の罠に注意：総パラメータ数は「重み（入力×出力）」＋「バイアス（出力と同じ数）」です。
■ 初学者向け解説（例え話や背景）
全結合層を身近な例で言い換えると「オーディション番組の最終審査」です！
歌・ダンス・ビジュアルというアピールポイント（入力）のすべてを、審査員全員（出力）が網羅的にチェックして合格者を決めますよね。「審査員Aさんは歌しか見ない」なんてことはありません。全員が全員のデータをくまなく見て判定を下すから「全結合（全員とつながる）」と呼ばれます。
モデルの最後の段階で、バラバラだった情報を「要するにこれは犬！」「猫！」と最終決定する役割を担っています。
■ 選択肢の解説
- A) 入力データと出力データの要素が局所的にのみ接続される...（×）: これは「畳み込み層」の説明です。全結合層はデータを一列に平坦化（1次元化）するため、空間的な位置情報は失われてしまいます。
- B) 入力10、出力5のパラメータ総数は50個である（×）: ひっかけです！重みの数は10×5=50個ですが、ここに出力数と同じバイアス（5個）を足す必要があります。正解は 55個 です。
- C) 前の層が抽出した特徴量を集約し...（○）: 正解です！ 各特徴量に「重み」を掛け合わせて足し合わせる（線形変換）ことで、最終的な分類や予測結果を導き出します。
- D) 「重み」とは、各出力ノードが個別に持つ...（×）: 説明文は「重み」ではなく「バイアス」の役割です。「重み」は入力と出力のつながりの強さ（重要度）を表す掛け算の係数です。
👉 次の問題＆解説テキスト
お疲れ様です！
この調子で次の問題に挑戦しますか？
それとも、立ち止まって詳しい解説を確認しますか？
