我一直在阅读 DCGan 论文，对这段话有点困惑：
其次是在卷积特征之上消除全连接层的趋势。最有力的例子是全局平均池化，它已被用于最先进的图像分类模型（Mordvintsev 等人）。我们发现全局平均池化提高了模型稳定性，但损害了收敛速度。将最高卷积特征分别直接连接到生成器和鉴别器的输入和输出的中间地带效果很好。GAN 的第一层以均匀的噪声分布 Z 作为输入，可以称为全连接，因为它只是一个矩阵乘法，但结果被重新整形为 4 维张量并用作卷积堆栈的开始.
全局平均池化与全连接层有何关系？为什么消除密集层会提高网络的性能？