pytorch 中写全连接层

在PyTorch中，创建一个全连接（fully connected，也叫 dense 或 linear layer）是非常常见的操作，特别是在神经网络中。全连接层会将前一层的所有节点（特征）都连接到下一层的所有节点上。下面是如何在PyTorch的`nn.Module`基础上创建一个全连接层的例子：

import torch.nn as nn

class LinearLayer(nn.Module):
    def __init__(self, input_dim, output_dim):
        super(LinearLayer, self).__init__()
        # 创建线性层，它有一个输入维度(input_dim)和一个输出维度(output_dim)
        self.linear = nn.Linear(input_dim, output_dim)

    def forward(self, x):
        # 前向传播计算，直接对输入应用线性变换
        return self.linear(x)

# 使用示例
input_size = 100   # 假设输入有100个特征
output_size = 50   # 假设我们要输出50个分类
fc_layer = LinearLayer(input_size, output_size)

在这个例子中，`__init__`方法初始化了层，`forward`方法实现了层的行为。你可以通过`.linear.weight`和`.linear.bias`访问权重矩阵和偏置项。