全连接层代码

以下是全连接层（Fully Connected Layer）的代码实现，使用 PyTorch 框架：

import torch.nn as nn

class FullyConnectedLayer(nn.Module):
    def __init__(self, input_size, output_size):
        super(FullyConnectedLayer, self).__init__()
        self.fc = nn.Linear(input_size, output_size)
        self.relu = nn.ReLU()

    def forward(self, x):
        out = self.fc(x)
        out = self.relu(out)
        return out

在这里，我们定义了一个名为 `FullyConnectedLayer` 的类，它继承自 PyTorch 中的 `nn.Module` 类。在类的初始化函数中，我们定义了一个全连接层，它有 `input_size` 个输入神经元和 `output_size` 个输出神经元。我们还定义了一个 ReLU 激活函数，用于增加模型的非线性能力。

在前向传播函数中，我们将输入 `x` 传入全连接层，并经过 ReLU 激活函数处理后输出。

使用这个类，我们可以很方便地创建一个全连接层，例如：

input_size = 100
output_size = 50
fc_layer = FullyConnectedLayer(input_size, output_size)

这将创建一个有 100 个输入神经元和 50 个输出神经元的全连接层。