PyTorch中Linear全连接层

在 PyTorch 中，torch.nn.Linear 是一个实现全连接层（线性变换）的模块，用于神经网络中的线性变换操作。它的数学表达式为：

其中：

x是输入数据
W是权重矩阵
b是偏置项
y是输出数据

基本用法

复制代码

import torch
import torch.nn as nn

# 创建一个线性层，输入特征数为5，输出特征数为3
linear_layer = nn.Linear(in_features=5, out_features=3)

# 创建一个随机输入张量（batch_size=2, 特征数=5）
input_tensor = torch.randn(2, 5)

# 前向传播
output = linear_layer(input_tensor)
print(output.shape)  # 输出 torch.Size([2, 3])

主要参数

in_features - 输入特征的数量
out_features - 输出特征的数量
bias - 是否使用偏置项（默认为True）

重要属性

weight - 可学习的权重参数（形状为[out_features, in_features]）
bias - 可学习的偏置参数（形状为[out_features]）

示例：构建简单神经网络

复制代码

class SimpleNet(nn.Module):
    def __init__(self):
        super(SimpleNet, self).__init__()
        self.fc1 = nn.Linear(10, 20)  # 输入10维，输出20维
        self.fc2 = nn.Linear(20, 2)   # 输入20维，输出2维
        
    def forward(self, x):
        x = torch.relu(self.fc1(x))
        x = self.fc2(x)
        return x

model = SimpleNet()
input_data = torch.randn(5, 10)  # batch_size=5
output = model(input_data)
print(output.shape)  # torch.Size([5, 2])

初始化权重

复制代码

# 自定义权重初始化
nn.init.xavier_uniform_(linear_layer.weight)
nn.init.zeros_(linear_layer.bias)

# 或者使用PyTorch内置初始化
linear_layer = nn.Linear(5, 3)
torch.nn.init.kaiming_normal_(linear_layer.weight, mode='fan_out')

注意事项

输入数据的最后一维必须等于in_features
线性层通常与激活函数配合使用（如ReLU）
在GPU上使用时，确保数据和模型都在同一设备上。