PyTorch 全连接层 (nn.Linear) 使用教程：示例与解释

{"title":"PyTorch 全连接层 (nn.Linear) 使用教程：示例与解释","description":"本文提供一个使用 PyTorch 全连接层的简单示例，并详细解释如何创建、使用和理解全连接层 (nn.Linear) 的输出。","keywords":"PyTorch, 全连接层, nn.Linear, 深度学习, 神经网络, 前向传播, 输入大小, 输出大小, 示例","content":"在 PyTorch 中，可以使用 torch.nn.Linear 来创建全连接层。下面是一个使用全连接层的示例：\n\npython\nimport torch\nimport torch.nn as nn\n\n# 创建输入数据\ninputs = torch.randn(32, 64) # 输入数据的大小为 32x64\n\n# 创建全连接层\nlinear_layer = nn.Linear(64, 10) # 输入大小为 64，输出大小为 10\n\n# 前向传播\noutputs = linear_layer(inputs)\n\n# 输出结果\nprint(outputs.size()) # 输出结果的大小为 32x10\n\n\n在上述示例中，我们首先创建了一个输入数据 inputs，大小为 32x64。然后使用 nn.Linear 创建了一个全连接层，指定输入大小为 64 和输出大小为 10。接下来，我们将输入数据传递给全连接层，通过调用 linear_layer(inputs) 来进行前向传播计算。最后，我们打印输出结果的大小，结果为 32x10。"}