全连接层的作用如下：

　　1、首先全连接层（fullyconnectedlayers，FC）在整个卷积神经网络中起到“分类器”的作用。

　　2、其次目前由于全连接层参数冗余（仅全连接层参数就可占整个网络参数80%左右），近期一些性能优异的网络模型如ResNet和GoogLeNet等均用全局平均池化（globalaveragepooling，GAP）取代FC来融合学到的深度特征，最后仍用softmax等损失函数作为网络目标函数来指导学习过程。需要指出的是，用GAP替代FC的网络通常有较好的预测性能。

　　3、最后FC可在模型表示能力迁移过程中充当“防火墙”的作用。