Dense() pytorch

`Dense()`，在PyTorch中也被称为全连接层（fully connected layer），是一个常见的神经网络层，用于处理输入数据的线性组合并生成输出。它适用于任何需要将输入数据映射到连续输出空间的情况，例如分类或回归任务。

在PyTorch的`nn`模块中，`nn.Linear`就是用于创建一个全连接层的函数。它接受两个参数：`in_features`（输入特征的数量）和`out_features`（输出特征的数量，即神经元的数量）。当你在模型定义中使用`nn.Linear(in_features, out_features)`，PyTorch会在内部创建权重矩阵（weight matrix）和偏置向量（bias vector），并在前向传播过程中对输入进行点积运算和加上偏置。

例如，在一个简单的多层感知器（MLP）中，你可能会这样使用`nn.Dense`：

import torch.nn as nn

class MyModel(nn.Module):
    def __init__(self):
        super(MyModel, self).__init__()
        self.fc1 = nn.Linear(100, 64)  # 输入100个特征，输出64个特征
        self.fc2 = nn.Linear(64, 10)   # 输出64个特征，用于10分类

    def forward(self, x):
        x = torch.relu(self.fc1(x))  # 使用ReLU激活函数
        x = self.fc2(x)                # 输出全连接层的预测
        return x