nn.Linear()函数详解

torch.nn.Linear(in_features, out_features, bias=True, device=None, dtype=None)[原文地址](Linear — PyTorch 1.12 documentation)

其中的参数：

in_features – 每个输入样本的大小。
out_features – 每个输出样本的大小。
bias – 如果设置为False，该层将不会学习附加偏差。默认为：True。

shape:

Input:(#,IN)，其中#表示表示任意大小的维度。IN表示in_features。
Outout:(#,OUT)，其中除了最后一个OUT外，其余的维度都和输入的shape相同，OUT表示out_features

实例：

>>> m = nn.Linear(20, 30)
>>> input = torch.randn(128, 20)
>>> output = m(input)
>>> print(output.size())
torch.Size([128, 30])

nn.Linear()函数详解相关推荐

pytorch之torch.nn.Conv2d()函数详解
文章目录一.官方文档介绍二.torch.nn.Conv2d()函数详解参数详解参数dilation--扩张卷积(也叫空洞卷积) 参数groups--分组卷积三.代码实例一.官方文档介绍官 ...
【PyTorch】nn.Conv2d函数详解
文章目录 1. 函数语法格式 2. 参数解释 3. 尺寸关系 4. 使用案例 5. nn.functional.conv2d 1. 函数语法格式 CONV2D官方链接 torch.nn.Conv2d( ...
tf.nn.bidirectional_dynamic_rnn()函数详解
转载自:https://blog.csdn.net/zhylhy520/article/details/86364789 首先我们了解一下函数的参数 bidirectional_dynamic_rnn ...
tf.nn.conv2d()函数详解(strides与padding的关系)
tf.nn.conv2d()是TensorFlow中用于创建卷积层的函数,这个函数的调用格式如下: def conv2d(input: Any,filter: Any,strides: Any,pad ...
nn.Flatten()函数详解及示例
torch.nn.Flatten(start_dim=1, end_dim=- 1) 作用:将连续的维度范围展平为张量. 经常在nn.Sequential()中出现,一般写在某个神经网络模型之后,用于 ...
pytorch教程之nn.Module类详解——使用Module类来自定义网络层
前言:前面介绍了如何自定义一个模型--通过继承nn.Module类来实现,在__init__构造函数中申明各个层的定义,在forward中实现层之间的连接关系,实际上就是前向传播的过程. 事实上,在p ...
pytorch函数详解
pytorch函数详解在typora这里写之后复制到简书上 1. torchvision 1.1 transforms.Compose(transforms) 把几个转换组合 example: fr ...
nn.Linear() 函数可二维或三维输入
nn.Linear PyTorch的nn.Linear()用于设置网络中的全连接层. 常用于处理二维信息,全连接层的输入与输出一般都设置为二维张量,形状通常为[batch_size, size],不同 ...
tf.nn.softmax参数详解以及作用
tf.nn.softmax参数详解以及作用参考地址:https://zhuanlan.zhihu.com/p/93054123 tf.nn.softmax(logits,axis=None,name ...

nn.Linear()函数详解

nn.Linear()函数详解

其中的参数：

shape:

实例：

nn.Linear()函数详解相关推荐

最新文章

热门文章