pytorch中dense函数

在PyTorch中，`torch.nn.functional.dense`函数实现了一个简单的全连接层，它可以将输入张量的每个元素与权重矩阵相乘，并将偏置向量相加，得到输出张量。该函数的原型如下：

torch.nn.functional.linear(input, weight, bias=None)

参数说明：

- `input`：输入张量，形状为 `(batch_size, in_features)`。
- `weight`：权重矩阵，形状为 `(out_features, in_features)`。
- `bias`：偏置向量，形状为 `(out_features)`。如果为 `None`，则不添加偏置项。

例如，以下代码定义了一个包含两个全连接层的简单神经网络：

import torch.nn as nn
import torch.nn.functional as F

class MyNet(nn.Module):
    def __init__(self, in_features, hidden_size, out_features):
        super(MyNet, self).__init__()
        self.fc1 = nn.Linear(in_features, hidden_size)
        self.fc2 = nn.Linear(hidden_size, out_features)

    def forward(self, x):
        x = F.relu(self.fc1(x))
        x = self.fc2(x)
        return x

在这个网络中，`nn.Linear`层就是一个全连接层，它使用了`torch.nn.functional.linear`函数实现。输入的形状为 `(batch_size, in_features)`，输出的形状为 `(batch_size, out_features)`。其中，`in_features`是输入特征的数量，`hidden_size`是隐藏层的大小，`out_features`是输出特征的数量。