nn.Linear（）

  PyTorch的nn.Linear（）是用於設置網絡中的全連接層的，需要注意的是全連接層的輸入與輸出都是二維張量，一般形狀爲[batch_size, size]，不同於卷積層要求輸入輸出是四維張量。其用法與形參說明如下：

  in_features指的是輸入的二維張量的大小，即輸入的[batch_size, size]中的size。
  out_features指的是輸出的二維張量的大小，即輸出的二維張量的形狀爲[batch_size，output_size]，當然，它也代表了該全連接層的神經元個數。
  從輸入輸出的張量的shape角度來理解，相當於一個輸入爲[batch_size, in_features]的張量變換成了[batch_size, out_features]的輸出張量。
用法示例：

import torch as t
from torch import nn

# in_features由輸入張量的形狀決定，out_features則決定了輸出張量的形狀
connected_layer = nn.Linear(in_features = 64643, out_features = 1)

# 假定輸入的圖像形狀爲[64,64,3]
input = t.randn(1,64,64,3)

# 將四維張量轉換爲二維張量之後，才能作爲全連接層的輸入
input = input.view(1,64643)
print(input.shape)
output = connected_layer(input) # 調用全連接層
print(output.shape)

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14

這段代碼運行結果爲：

input shape is %s torch.Size([1, 12288])
output shape is %s torch.Size([1, 1])

• 1
• 2

                                </div>