我对这部分内容不太理解（quora: 卷积神经网络的最后一层如何连接到第一个全连接层）：

对特征图进行独热编码表示。因此我们会有 64 * 7 * 7 = 3136 个输入特征，这些特征再次由 3136 个神经元处理，减少到 1024 个特征。这一层的矩阵乘法将是 (1×3136) * (3136×1024) => 1×1024

我的意思是，使用 3136 个神经元将 3136 个输入减少到 1024 个特征的过程是什么？

回答：

我将用通俗的语言解释我对这个过程的理解。

特征图的独热编码表示是一种用1和0的矩阵表示分类值的方式。这是机器读取/处理数据的一种方式（在你的例子中，是图像或图片）。然后它使用矩阵代数进行计算。

现在计算的一部分是将1行3136列的二进制值（1或0）与另一个大小为3136行1024列的矩阵相乘。当你将这两个矩阵相乘时，结果矩阵是1行1024列。这现在是表示你的图像或图片的1和0的矩阵。