卷积神经网络的卷积层、池化层和激活函数层等作用是将原始数据映射到隐层特征空间中，在卷积神经网络最后部分会有全连接层，全连接层的目的是将网络学习到的特征映射到样本的标记空间中。全连接层会把卷积输出的二维特征图（featureMap）转化成一个一维的向量。这一过程具体实现如下所述：在卷积层之后进行了池化操作，池化层得到30个12*12的特征图，通过全连接层之后，得到了1*100的向量。由于全连

    卷积神经网络的卷积层、池化层和激活函数层等作用是将原始数据映射到隐层特征空间中，在卷积神经网络最后部分会有全连接层，全连接层的目的是将网络学习到的特征映射到样本的标记空间中。全连接层会把卷积输出的二维特征图（featureMap）转化成一个一维的向量。这一过程具体实现如下所述：在卷积层之后进行了池化操作，池化层得到30个12*12的特征图，通过全连接层之后，得到了1*100的向量。由于全连