@Hard Coder：全连接层的目的一是将卷积过程提取到的不同特征进行整合，二是将特征维度转换成分类器所需的维度。Softmax 函数用作最后一个激活功能，用于多分类过程中，它将多个神经元的输出，映射到 (0, 1) 区间内，可以看成概率来理解，从而来进行多分类

目标函数确定后，使用反向传播法来确定神经网络的权值大小。此外，为了提高正确的识别率并降低过度拟合的可能性，在卷积神经网络架构中使用了一些技术，例如批规范化（Batch Normalization）和数据丢弃（Dropout）。在每一次卷积过程后，都对数据进行批规范化操作，用于重新调整数据分布，目的是增强神经网络的泛化能力；Dropout 跟随在最初两层卷积层之后，目的是防止网络出现过拟合