全连接层与池化层

全连接层作用:

通俗易懂.
全连接层之前的作用是提取特征，全连接层的作用是分类。它把特征representation整合到一起，输出为一个值。这样做大大减少特征位置对分类带来的影响。但是，空间结构特性被忽略了，所以全连接层不适合用于在方位上找模式的任务，比如分割。

池化层：

池化层主要的作用
1.首要作用，下采样（downsamping）
2.降维、去除冗余信息、对特征进行压缩、简化网络复杂度、减少计算量、减少内存消耗等等。各种说辞吧，总的理解就是减少数量。
3.实现非线性（这个可以想一下，relu函数，是不是有点类似的感觉？）。
可以扩大感知野
4.可以实现不变性，其中不变性包括，平移不变性、旋转不变性和尺度不变性。
###HOW TO DO:
平均池化（average pooling): 计算图像区域的平均值作为该区域池化后的值。
最大池化（max pooling）： 选图像区域的最大值作为该区域池化后的值。

GAP（Global Average Pooling）

假设卷积层的最后输出是h × w × d 的三维特征图，具体大小为6 × 6 × 3，经过GAP转换后，变成了大小为 1 × 1 × 3 的输出值，也就是每一层 h × w 会被平均化成一个值。