如图1.7所示，卷积操作提取的是局部特征，而全连接层则是将层层卷积后得到的特征重新通过全连接权重矩阵，得到可以标识分类结果的特征。可以看出，全连接层在整个模型中更多地起到“分类器”的作用。
图1.7 全连接层（FC层）的位置示意图
通过图1.7可以看出，层层卷积后得到的特征经过平铺后进入全连接层，这时全连接的维度是非常高的。其实在大多数模型中都会出现这样的情况，这也造成了全连接层参数量过多的问题，给模型的部署和训练带来了一定的难度。
