尽管这一问题比较基础，但仍是面试过程中常问的话题之一
两者之间的唯一区别是神经网络相邻两层的连接方式。在全连接神经网络中，每相邻两层之间的节点都有边相连，而对于卷积神经网络，相邻两层之间只有部分节点相连
正因为二者之间的上述区别，导致全连接神经网络无法很好地处理图像数据，而卷积神经网络却克服了这一缺点，使用全连接神经网络处理图像的最大问题是：全连接层的参数太多，假如输入的一张大小为 224 224 1 224*224*1 2242241的图片（其中， 224 224 224*224 224224代表的是图片的大小， 1 *1 1表示图像是黑白的，假如第一层的隐藏层的节点数为100个，那么全连接层的神经网络有 224 224 100 + 100 224*224*100+100 224224100+100个参数），随着网络层数的增多或者是彩色图片，参数就会非常多。大量的参数不仅会导致计算速度变慢，还很容易出现过拟合问题。