对全连接层结构，全连接层与卷积层的过程以及区别的探索

事先说明博文虽为原创，但个别图片，语句可能来自知乎，csdn，新浪博客，博客园等，涉及侵权请告知！！！
我们都知道全连接层之前是特征提取，全连接层是分类工作首先我们先来见见全连接层的长什么样子，

我们都知道卷积的卷积核与特征图谱不一样大小的，卷积核要比特征图谱小，卷积过程如下：

如图所示三张特征图谱，为773，而卷积核规格是3332（卷积核大小为33，有两组，每组有三个）过程为第一组的三个卷积核分别于三个特征图谱进行卷积然后求和输出第一张特征图谱，输出特征图谱大小是由输入特征图谱，步长，卷积核大小，以及是否补零等设置决定，而输出特征图谱的数量是由卷积核的组数决定，例如上面的例子就是由3332中的2决定输出两张特征图谱。
显而易见输出特征图谱不仅仅是一个数而是一个有大小的特征图谱是由输入特征图谱大小，卷积核大小，步长，是否补零决定的。
我们都知道全连接层的操作和卷积操作的相似的，因为要做分类，所以经过全连接层，前面的数据要是生成一个数，那么这个数是怎样产生的呢？第一张图中，把一个335的特征图谱变成一个扁平结构，其实只是通过调节卷积过程中步长，卷积核大小，以及是否补零等设置来生成一个114096的输出，全连接层是由4096个神经元平铺而成，每个神经元都是一个数，及特征图谱大小是11而已。那么我们很容易得到，用4096即由卷积核的组数决定，说明是由4096组卷积核进行卷积的，那么怎样的卷积核才能产生一个数字呢？很显然用与特征图谱同样规格大小的卷积核，即335*4096的卷积核与特征输入图谱进行卷积，也就是我们所说的全连接操作。看下图容易理解些：