pytorch全连接层

PyTorch中的全连接层可以通过nn.Linear模块来实现。这个模块可以将输入的特征向量与权重矩阵进行矩阵乘法，并加上偏置向量，从而得到输出。以下是一个示例代码：

import torch
import torch.nn as nn

# 定义输入特征维度和输出特征维度
input_size = 100
output_size = 10

# 创建全连接层
fc = nn.Linear(input_size, output_size)

# 定义输入数据
input_data = torch.randn(32, input_size)  # 假设批量大小为32

# 使用全连接层进行前向传播
output = fc(input_data)

print(output.shape)  # 输出结果的形状

在上面的代码中，我们首先定义了输入特征维度为100，输出特征维度为10。然后使用nn.Linear创建了一个全连接层。接下来，我们定义了一个随机生成的输入数据，其形状为(32, 100)，表示批量大小为32，每个样本的特征维度为100。最后，我们使用全连接层进行前向传播，得到输出结果。输出结果的形状为(32, 10)，表示批量大小为32，每个样本的输出特征维度为10。

希望这可以帮助到你！如有其他问题，请随时提问。