torch.nn.Linear(in_features, out_features, bias=True, device=None, dtype=None)
-
in_features – 输入样本的大小
-
out_features – 输出样本的大小
-
bias – 如果设置为False，该层将不会学习偏移量。默认值:True
nn.Linear()的作用是对传入的数据进行线性变换。
传入的数据是x，经过变换后得到y，A是权重，b是偏移量。
查看官方文档，最开始生成的权重矩阵A的shape为（out_features, in_features）
m = nn.Linear(20,30)
# 查看生成的权重矩阵的shape，会发现权重的shape为30*20
print(m.weight.size())# 生成一个128*20的矩阵
input = torch.randn(128, 20)
# 查看生成矩阵的大小
print(input.size())# 传入input（shape为128*20）后，input和权重矩阵A转置后的矩阵
# 相乘（转置后A的shape变为20*30），最终得到的结果shape为128*30
print(m(input).size())程序运行生成的结果
