nn.Linear的用法

`nn.Linear`是PyTorch库中的一个全连接线性层（Fully Connected Layer），它是`torch.nn.modules.linear.Linear`类的简称。它的主要作用是在神经网络中进行特征映射，将前一层的每个元素与当前层的所有权重相乘，并加上偏置项，形成下一层的输出。

使用`nn.Linear`的一般步骤如下：

1. 导入`nn`模块：`import torch.nn as nn`

2. 定义模型时，在`nn.Sequential`、`nn.Module`或者其他容器中声明一个线性层，例如创建一个大小为`input_size`到`output_size`的全连接层：

   linear_layer = nn.Linear(input_size, output_size)

3. 初始化权重和偏置：如果你希望随机初始化它们，可以在创建时忽略这些参数，或者手动设定初始值（比如0或小范围内的随机数）。默认情况下，权重会被均匀分布初始化，偏置会被设为0。

4. 将数据馈送到`linear_layer`：

   x = torch.randn(1, input_size)  # 假设输入形状为(batch_size, input_size)
   y = linear_layer(x)

5. 在训练过程中，你可以使用`optimizer`对`linear_layer`的参数进行优化，比如使用SGD、Adam等。

6. 训练结束后，`y`就是经过全连接后的输出，可以根据任务需求进一步处理。