全连接层连接池化层或者卷积层，在最后一层卷积结束后，进行了最后一次池化，输出了5个3*3的图像，然后通过了一个全连接层变成了1*100的向量。
全连接层连接全连接层：而后一层的全连接层通过对前一层的全连接层进行1*1的卷积得到（使用1*1卷积会降低通道数量，也可以减少计算量）
全连接具体计算：其实就是有100个20*12*12的卷积核卷积出来的，对于输入的每一张图，用了一个和图像一样大小的核卷积，这样整幅图就变成了一个数了，如果厚度是20就是那20个核卷积完了之后相加求和。这样就能把一张图高度浓缩成一个数了。
全连接的目的是什么呢？
因为传统的网络我们的输出都是分类，也就是几个类别的概率甚至就是一个数--类别号，那么全连接层就是高度提纯的特征了，方便交给最后的分类器或者回归。但是全连接的参数实在是太多了，你想这张图里就有20*12*12*100个参数，前面随便一层卷积，假设卷积核是7*7的，厚度是64，那也才7*7*64，所以现在的趋势是尽量避免全连接，目前主流的一个方法是全局平均值
参考：1.https://blog.csdn.net/qq_39521554/article/details/81385159
2.https://zhuanlan.zhihu.com/p/33841176（解释更详细）