我记得读教材的时候是y=Wx+b, 左乘矩阵W，这样才能表示线性变化。
但是pytorch中的nn.linear中，计算方式是y=xA^T+b，其中A是权重矩阵。
为什么右乘也能表示线性变化操作呢？因为pytorch中，照顾到输入是多个样本一起算的（第一个维度是多个样本数，所以输入默认是行向量），所以用y=xA^T+b，输出的y也是行向量。

我们的教材中默认输入是列向量的，而pytorch为了用户方便，输入当作列向量，维度为（batch, dim），每行是特征

m = nn.Linear(20, 30)
input = torch.randn(128, 20)
output = m(input)

print(output.size())
>>> torch.Size([128, 30])
print(m.weight.shape)
>>>torch.Size([30, 20])  # 注意这里的权重维度

我们再看一张图片，理解一下代码中的实现逻辑：

至此应该对代码的实现很理解了，但是需要注意，大家写文章中用的都还是Wx+b的写法。
不管怎样，文章和代码都是能对应上的，最多是表示方式的区别（有的用行向量，有的用列向量）