全連接就是一種無損的卷積的過程，會大大佔用計算機的計算力，用於提取圖片中或數據中的特徵值。爲了提高提取成功的準確率降低誤差，全連接層的數量一般多，比如3*3*5的經過處理的數據層，我們要提取其中的特徵數據，我們使用3096個卷積核來提取
3096次特徵數據。用一個形象的例子來說吧：就好比一個英雄有3096套皮膚，每個皮膚裝扮到英雄上面就有3096種圖畫，我們根據這3096種風格就可以在心裏有一個綜合判斷值，這是一個什麼英雄，我猜中概率大概有多大，大概就是這個意思。
而模型裏面通常有兩層全連接層，就是因爲一個全連接卷積層無法無法使特徵數據聚集到一種可以準確判斷的程度（就是模型效果不好），再加一層使特徵數據更加集中（就是效果比一層提高了）。好比第一層捕捉到貓眼睛，鼻子，耳朵，卻拼不到一起，相隔甚遠，再來一層把這3個特徵拉倒一起拼湊出了一張貓臉，哦，這時就可以計算出一個貓臉的特徵值了，就判斷出圖像裏面有一隻貓了。
上圖：
