线性

classtorch.nn.Linear(in_features, out_features, bias=True, device=None, dtype=None)[源代码]

对输入数据进行仿射线性变换：$y = xA^T + b$。

此模块支持TensorFloat32。

在某些ROCm设备上，当使用float16输入时，此模块会采用不同的精度进行反向传播。

参数

• in_features (int) – 输入样本的尺寸

• out_features (int) – 输出样本的尺寸

• bias (bool) – 如果设置为False，层将不会学习加性偏置。默认值：True

形状:

• 输入: $(*, H_{in})$，其中 $*$ 表示任意数量的维度（包括零个），$H_{in} = \text{in\_features}$。

• 输出为 $(*, H_{out})$，其中除了最后一维外，所有维度的形状都与输入相同，并且$H_{out} = \text{out\_features}$。

变量

• weight (torch.Tensor) – 模块的可学习权重，形状为$(\text{out\_features}, \text{in\_features})$。这些值从分布$\mathcal{U}(-\sqrt{k}, \sqrt{k})$初始化，其中$k = \frac{1}{\text{in\_features}}$

• bias - 模块的可学习偏置，其形状为$(\text{out\_features})$。如果bias是True，则从分布$\mathcal{U}(-\sqrt{k}, \sqrt{k})$中初始化值，其中$k = \frac{1}{\text{in\_features}}$

示例:

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