torch 前馈层定义

在 PyTorch 中，前馈层可以使用 torch.nn 中的 Linear 模块来定义。Linear 模块实现了全连接层的功能，它接收一个输入向量，并将其乘以一个权重矩阵，再加上一个偏置向量，最后输出一个新的向量。

下面是一个简单的前馈神经网络的示例代码，其中包含了三个全连接层：

import torch.nn as nn

class Net(nn.Module):
    def __init__(self):
        super(Net, self).__init__()
        self.fc1 = nn.Linear(in_features=10, out_features=20)
        self.fc2 = nn.Linear(in_features=20, out_features=30)
        self.fc3 = nn.Linear(in_features=30, out_features=2)

    def forward(self, x):
        x = self.fc1(x)
        x = nn.functional.relu(x)
        x = self.fc2(x)
        x = nn.functional.relu(x)
        x = self.fc3(x)
        return x

在这个例子中，我们定义了一个名为 Net 的类，它继承自 nn.Module。在 __init__ 方法中，我们定义了三个 Linear 层，分别是 fc1、fc2 和 fc3，它们的输入和输出维度依次为（10，20）、（20，30）和（30，2）。在 forward 方法中，我们将输入 x 依次传入每个 Linear 层，并使用 ReLU 激活函数对输出进行非线性变换，最后返回输出向量。