紧接着上一章，全连接层。

参考网页：https://www.zhihu.com/question/41037974/answer/320267531

唔，我原本看的是赞为480+的答案，发现并不是很能看懂。然后去看了一个赞为140+的答案，发现这个很好，这个答案的原网址是：https://zhuanlan.zhihu.com/p/33841176 这篇文章对于初学者比较友好。

然后看完这个文章之后再去看最上面那个480+的答案会发现这样比较好理解。

那么下面开始关于fc的个人傻瓜总结：

全连接层相当于是一个分类器的功能，它将卷积层，池化层，**函数等的结果进行总结，再次进行类似于模板匹配的工作，抽象出fc神经元个数的特征存在的概率大小，然后再经历一层fc再将上一层fc输出的特征进行分类，得到各个特征……等等，最后得到最后一层fc的神经元个数的特征。当然也可以认为是对于前面的卷积层，池化层，**函数完之后得到的特征进行加权和

……其实，全连接层并不一定要存在于神经网络中（可以用GAP代替，也可以用卷积层代替），但是存在全连接层，使得神经网络的容错性增加，但是全连接层的计算量实在是有点大，一般是卷积网络用的。最后再送入分类器（一般是softmax）分类

关于fc更多的资料可以参考论文《Evaluation of Fully-Connected Layers in Convolutional Neural Networks

》