简介

Hello！
非常感谢您阅读海轰的文章，倘若文中有错误的地方，欢迎您指出～
 
ଘ(੭ˊᵕˋ)੭
昵称：海轰
标签：程序猿｜C++选手｜学生
简介：因C语言结识编程，随后转入计算机专业，获得过国家奖学金，有幸在竞赛中拿过一些国奖、省奖…已保研
学习经验：扎实基础 + 多做笔记 + 多敲代码 + 多思考 + 学好英语！
 
唯有努力💪
 
本文仅记录自己感兴趣的内容

torch.nn.Linear()

语法

torch.nn.Linear(in_features, out_features, bias=True, device=None, dtype=None)

作用

对输入数据应用线性变换： $y=x{A}^T+b$

构建一个全连接层（liner的作用，个人更加倾向于这样理解）
输入作为全连接层的输入
输出为全连接层的输出

举例

m = nn.Linear(2, 3) # 构建一个全连接层 输入神经元个数：2 输出神经元个数：3
input = torch.randn(4, 2) # 输入维度 4 * 2
output = m(input) # 向全连接层中加入输入数据 得到输出
print(input)
print(output)
print(output.size())

  

 

  
1
  
2
  
3
  
4
  
5
  
6
 

解释

• 利用nn.Linear(2, 3)构建一个 2 * 3 的全连接层 ， 即m
• 将input应用到m上，得到output ，维度为 4 * 3
• （4 * 2） * （2 * 3） = （4 * 3）

linear源码实现：

图片来源：https://blog.csdn.net/u013925378/article/details/103366064

从上面源码中可以看出，我们可以得到全连接层m中的weight、bias

print(m.weight)
print(m.weight.shape)
print(m.bias)
print(m.bias.shape)

  

 

  
1
  
2
  
3
  
4
 

参考

• https://pytorch.org/docs/stable/generated/torch.nn.Linear.html#torch.nn.Linear
• https://blog.csdn.net/u013925378/article/details/103366064

结语

文章仅作为个人学习笔记记录，记录从0到1的一个过程

希望对您有一点点帮助，如有错误欢迎小伙伴指正

文章来源: haihong.blog.csdn.net，作者：海轰Pro，版权归原作者所有，如需转载，请联系作者。

原文链接：haihong.blog.csdn.net/article/details/126639413