全连接层的作用

全连接层的作用是什么？ - 魏秀参的回答 - 知乎

CNN 入门讲解：什么是全连接层（Fully Connected Layer）? - 蒋竺波的文章 - 知乎
卷积层：提取特征。“不全连接，参数共享”的特点大大降低了网络参数，保证了网络的稀疏性，防止过拟合。之所以可以“参数共享”，是因为样本存在局部相关的特性。

池化层：有MaxPool和AveragePool等。其中MaxPool应用广泛。因为经过MaxPool可以减小卷积核的尺寸，同时又可以保留相应特征，所以主要用来降维。

全连接层：在全连接的过程中丢失位置信息，可以理解为降低了学习过程中的参数敏感度；很多分类问题需要通过softmax层进行输出；进行非线性变换等等。但是现在已经有很多网络结构去掉了最后的全连接层。我也是入坑没多久，对这一点理解仍很粗浅。

抛砖引玉，如有错误之处还请不吝赐教。
来源：
CNN中卷积层、池化层和全连接层分别有什么作用和区别？ - 呆啊的回答 - 知乎
https://www.zhihu.com/question/276307619/answer/387253014