重生学AI第十六集：线性层nn.Linear

nn.Linear

1.背景知识

今天学习nn.Linear（线性层），也叫全连接层，我们在卷积层通过卷积操作获取图像特征，然后在线性层，将图像特征转化为最终的输出结果，在图像分类任务中，就是每个类别的打分，后续在输出层，根据打分来输出每个类别的概率。

比如说我们的目标任务是将一些图片分为十个类别，那么out_features 就是10

参数

in_features ：输入数据的特征数
out_features ：输出维度 / 输出类别数
bias ：偏置

先来看一组代码

python 复制代码

import torchvision
from torch.utils.data import DataLoader
from torchvision import transforms

datasets = torchvision.datasets.CIFAR10("../dataset",train=False,download=True,transform=transforms.ToTensor())
dataloader = DataLoader(datasets,batch_size=64)



for data in dataloader:
    img, target = data
    print(img.shape)

控制台输出是这样的

到这里我们要先理解一下这个张量数据：（64，4，32，32），通过前面的学习我们已经知道这个张量数据的形状是（batch_size,channels,height,width），宽32，代表一行有32个像素，每个像素代表不同的颜色，高也是一样，那么这张图就有32*32个像素，也可以把他们看成是数据，如下图所示，下面这张图是一个5*5的格子，你也可以看成是宽=5，高=5的一个图像，按照张量的写法就是，（1,1,5,5）

好，我们已经学会理解一张图像了，再说回前面那个数据，（64，3，32，32）代表这张图一个通道有32*32个数据，也就是1024个数据，一共有3个通道，1024*3=3072，就是说一张图有3072个数据

2.展平的多种方式

那么，我们就要通过展平的方式，将这个图像的张量数据转化成形状为（batch_size，features）的数据，以便我们将数据送入线性层，in_features和out_features的形状都是如此，那么展平的方式有哪些呢？

1.reshape

python 复制代码

output1 = img.reshape(img.size(0),-1)

2.view

python 复制代码

output1 = img.view(img.size(0),-1)

3.flatten

python 复制代码

output1 = torch.flatten(img,start_dim=1)

参数：

start_dim: 展平开始的维度（默认从零开始，但要保留批次，所以需要设置为1）
end_dim:展平到哪一维（默认到最后）

这三种用哪种都可以，区别不大，选择喜欢的就好

img.size()是一个对象，返回的数据和shape属性值一样，img.size(0)等价于img.shape $0$ ，取得是第一个数据64，也就是图像的批次（batch_size）

完整代码：

python 复制代码

import torchvision

from torch.utils.data import DataLoader
from torchvision import transforms

datasets = torchvision.datasets.CIFAR10("../dataset", train=False, download=True, transform=transforms.ToTensor())
dataloader = DataLoader(datasets, batch_size=64)

for data in dataloader:
    img, target = data
    input1 = img.reshape(img.size(0), -1)
    print(input1.size())

我们通过展平得到了能够送入线性层的数据，如下图所示：

3.线性模型

通过上面的打印，我们已经知道了特征数是3072个，所以第一个参数就写3072，然后需要10个结果类别，偏置就不写了，让他默认即可

python 复制代码

import torchvision
from torch import nn
from torch.utils.data import DataLoader
from torchvision import transforms

datasets = torchvision.datasets.CIFAR10("../dataset", train=False, download=True, transform=transforms.ToTensor())
dataloader = DataLoader(datasets, batch_size=64)


class LinearModel(nn.Module):
    def __init__(self):
        super(LinearModel, self).__init__()
        self.linear1 = nn.Linear(3072, 10)

    def forward(self, input1):
        output1 = self.linear1(input1)
        return output1


model = LinearModel()

for data in dataloader:
    img, target = data
    input1 = img.reshape(img.size(0), -1)
    output1 = model(input1)
    print(output1.size())

运行结果：

成功的把原来的每张图片的3072个特征转换成了10个结果类别