nn.Linear()函数的用法

`nn.Linear()`函数是 PyTorch 中用于创建线性层的函数。线性层也称为全连接层或仿射层，是深度学习中常用的一种基本层类型。

`nn.Linear()`函数的用法如下：

torch.nn.Linear(in_features, out_features, bias=True)

其中参数的含义如下：

- `in_features`：输入特征的数量。它是一个正整数，表示输入张量的最后一个维度的大小。例如，如果输入张量的形状是 `(batch_size, in_features)`，则 `in_features` 就是 `in_features`。
- `out_features`：输出特征的数量。它是一个正整数，表示输出张量的最后一个维度的大小。例如，如果输出张量的形状是 `(batch_size, out_features)`，则 `out_features` 就是 `out_features`。
- `bias`：是否使用偏置，默认为 `True`。如果设置为 `False`，则线性层没有偏置项。

`nn.Linear()`函数返回一个线性层对象，可以将其作为模型的一部分使用。例如，在构建神经网络模型时，可以使用`nn.Linear()`函数来定义模型的线性层。

下面是一个示例，展示了如何使用`nn.Linear()`函数构建一个简单的神经网络模型：

import torch
import torch.nn as nn

# 定义输入特征和输出特征的数量
in_features = 10
out_features = 5

# 创建线性层对象
linear_layer = nn.Linear(in_features, out_features)

# 打印线性层的权重和偏置
print(linear_layer.weight)
print(linear_layer.bias)

在上述代码中，我们首先导入了 `torch` 和 `torch.nn` 模块。然后，定义了输入特征的数量 `in_features` 和输出特征的数量 `out_features`。

接下来，使用 `nn.Linear(in_features, out_features)` 创建了一个线性层对象 `linear_layer`。

最后，我们打印了线性层的权重和偏置项。注意，权重和偏置项是线性层的可学习参数，它们在模型训练过程中会被更新。

通过使用 `nn.Linear()` 函数，您可以方便地创建线性层，并将其应用于神经网络模型中。