全连接的结构有没有什么弊端呢？
答：参数过于多，无论从效果还是效率上来说，都存在着很大的问题。
卷积神经网路有一个重要的特性，就是他会做一个权重的共享。
权重共享：每个特征图上，每个点，都进行权重共享。
权重共享的特性：如上图所示，每个特征图上，只有5*5*3个特性，一共75个参数就OK。还有一个偏置，一共76个参数。如果提取了十个特征图，那么只需要760个参数就可以了，相比传统的神经网络来说，省了太多。
池化层
假设我们现在有这样一个特征图，大小为224*224*64
池化层的意思就是选出一个窗口，之后将窗口里的特征进行压缩。
压缩方式也比较简单，一般来说有两种压缩方式，一种是mean方式，一种是max方式。
以下例子是MAX POOLING
现在我们可以完整的看一下卷积神经网络的工作流程。
step1：假设小车是我们的一个输入。
step2：将我们输入的图像进行一次卷积
step3: 用RELU函数进行激活
step4：将我们输入的图像进行一次卷积
step5：用RELU函数进行激活
step6：之后进行池化层操作
通过不断的卷积核不断的池化操作，要对特征不断的进行提取。
最后我们拿到了最后的特征FC，我们用最后的特征去做一些任务。