提炼出这段话的关键点和结论简明扼要：全连接层通常位于卷积神经网络的最后几层用来综合所有信息和整合提取 全部特征方便输出。它通过把 高维特征图映射成一维特征向量来整合前面网络层提取的局部特征。全连接神 经网络一般至少包含输入层、隐藏层和输出层主要用来实现分类目的。全连接层结 构如图 212 所示。全连接层中的每个神经元都与前一层的所有神经元相连所以全连接层的参数量通常是最多的。在实际应用中为了降低参

关键点：全连接层、卷积神经网络、高维特征图、一维特征向量、输入层、隐藏层、输出层、分类、神经元、参数量、全局平均池化操作、卷积层。

结论：全连接层通常位于卷积神经网络的最后几层，用来综合所有信息和整合提取全部特征，方便输出。全连接神经网络主要用来实现分类目的，但其参数量通常是最多的。为了降低参数冗余，通常先将提取的特征进行全局平均池化操作，然后再输入全连接层，或者直接采用卷积层代替全连接层。