سلام در شبکه های کانولوشنی میتونیم بگیم لایه های کانولوشنی ویژگیها را استخراج می کنند. و لایه های FC ویژگی های استخراج شده رو دسته بندی می کنند. در واقع هر لایه FC ویژگی ها را از یک فضای n بعدی به یک فضای غیر خطی m بعدی می برد تا بتواند در فضای جدید بدست آمده کلاس ها را بصورت خطی از هم جدا کند.
می توان بعد از آموزش دیدن شبکه بخش FC را با یک کلاسبند دیگر مثل SVM یا DT استفاده کرد.
اگر شبکه را با گرادیان نزولی با گشتاور (momentum) آموزش دهیم سرعت همگرایی بیشتر می شود. بیشتر مقالات از این روش شبکه را آموزش می دهند.
softmax مقادیر بوجود آمده در آخرین لایه را به فضای احتمالاتی می برد. نه تابع خطا هست و نه کار طبقه بندی را انجام می دهد.