全連線層的作用如下：
1、首先全連線層（fullyconnectedlayers，FC）在整個卷積神經網路中起到“分類器”的作用。
2、其次目前由於全連線層引數冗餘（僅全連線層引數就可佔整個網路引數80%左右），近期一些效能優異的網路模型如ResNet和GoogLeNet等均用全域性平均池化（globalaveragepooling，GAP）取代FC來融合學到的深度特徵，最後仍用softmax等損失函式作為網路目標函式來指導學習過程。需要指出的是，用GAP替代FC的網路通常有較好的預測效能。
3、最後FC可在模型表示能力遷移過程中充當“防火牆”的作用。
