解释--全连接层输入大小固定

　　在刚接触目标检测时，学习到R-CNN时，为了使全连接层的输入大小固定，作者将卷积神经网络的输出经过warp操作，使得输入大小固定，那问题来了，为什么全连接网络的输入需要固定，而卷积神经网络的大小可以是任意的。

　　　　　　　　　　　　　　　　　　

　　大家都知道， ，全连接神经网络结构一旦固定，需要学习的参数w是固定的，例如 输入图像是 28*28 = 784，w 的转置= （500，784），===>  输出矩阵的shape:(500,1)，如果输入图像的大小改变，但是w的大小并不会改变，因此，无法计算。

　　而对于卷积神经网络，卷积核的每个元素表示参数w，不论输入图像大小怎么改变，卷积核大小是不变的，并且通过卷积操作，每次都能训练到卷积核中的元素，所以卷积神经网络的输入图像的大小是任意的。