线性

class torch.nn.Linear(in_features, out_features, bias=True, device=None, dtype=None)

对输入数据应用仿射线性变换： $y = xA^T + b$.

此模块支持 TensorFloat32。

在某些 ROCm 设备上，当使用 float16 输入时，此模块将使用 不同的精度 进行反向传播。

参数

• in_features (int) – 每个输入样本的大小

• out_features (int) – 每个输出样本的大小

• bias (bool) – 如果设置为 False，则该层不会学习加性偏差。默认值：True

形状

• 输入： $(*, H_{in})$ 其中 $*$ 表示任意数量的维度（包括无维度）并且 $H_{in} = \text{in\_features}$.

• 输出: $(*, H_{out})$，其中除了最后一维外，所有维度都与输入具有相同的形状，并且 $H_{out} = \text{out\_features}$.

变量

• weight (torch.Tensor) – 模块的可学习权重，形状为 $(\text{out\_features}, \text{in\_features})$。这些值从 $\mathcal{U}(-\sqrt{k}, \sqrt{k})$ 初始化，其中 $k = \frac{1}{\text{in\_features}}$

• bias – 模块的可学习偏置，形状为 $(\text{out\_features})$。如果 bias 为 True，则这些值从 $\mathcal{U}(-\sqrt{k}, \sqrt{k})$ 初始化，其中 $k = \frac{1}{\text{in\_features}}$

示例

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