为何CNN需使用Affine层及Affine-ReLU层而非仅用Conv-ReLU-(Pooling)层？

问题1：为何卷积神经网络（CNN）要使用Affine层？ #

• 卷积层和池化层的核心是捕捉局部空间特征（比如边缘、纹理、物体局部部件），但它们的感受野有限，无法直接对所有局部特征做全局关联整合。Affine层（全连接层）的神经元会连接前一层的所有输入，能把分散在各个局部的特征捏合到一起，建立全局层面的特征关联。
• 大部分CNN的最终任务是分类、回归这类需要输出固定维度结果的任务，Affine层可以把卷积/池化后高维度的空间特征，转换成与任务匹配的输出维度（比如分类任务的类别数），完成从特征提取到最终预测的落地转换。

问题2：为何CNN要采用Affine-ReLU层组合，而非仅使用Conv-ReLU-(Pooling)层？ #

• 若全程只用Conv-ReLU-Pooling，网络的全局特征整合能力会严重不足：卷积层始终在处理空间维度的特征，哪怕用1×1卷积，也只是对单个空间位置的特征做变换，无法像Affine层那样直接对整个特征图做全局关联计算。
• Affine层配合ReLU能更高效地完成高维特征的非线性压缩与变换：先通过Affine层把空间特征拉平成一维向量，再用ReLU引入非线性，让模型能学习到更复杂的全局特征映射，同时大幅降低后续计算的复杂度（相比一直堆叠卷积层，全连接层的参数和计算量在这个阶段更可控）。
• 看示例结构就能明白：前面的Conv-Pooling堆完后，先用Affine层把特征拉平，再通过ReLU激活，最后输出分类结果。如果全用卷积替代，要么需要把特征图压缩到1×1的尺寸（池化到极致），要么用大量1×1卷积模拟全连接，反而会让网络结构更冗余，计算效率更低。

内容的提问来源于stack exchange，提问作者Eugene