• torch.nn.Linear

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

• 对输入的数据应用一个线性变换：

• 该模块支持TensorFLoat32类型的数据；
• 在某些ROCm设备上，使用float16类型的数据输入时，该模块在反向传播中使用不同的精度；

参数

• in_features(int)---每一个输入样本数据的大小;
• out_features(int)---每一个输出样本的大小;
• bias(bool)---如果设置为Flase,该层将不学习一个可加合的偏置,默认为True;

形状

• Input:(*,Hin)---这里的*意味着任何维度包括空，Hin=in_features；
• OUtput(*,Hout)---这里除了最后一个维度之外,所有的形状同输入一样,Hout=out_features;

变量

• weight(torch.Tensor)---形状为(out_features,in_features)的可学习的模块权重，值从初始化，这里;
• bias---形状为（out_features）的可学习的偏置模块，如果设置为True，值从初始化，这里;

实例

import torch
import torch.nn as nn

m=nn.Linear(20,30)
input=torch.randn(128,20)
output=m(input)
print(output.size())#torch.size([128,30])