pytorch nn.Linear（）详解

函数

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

函数解释

对输入数据做线性变换：y=Ax+b

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 - 若设置为False，这层不会学习偏置。默认值：True

官方例子

代码

import torch
from torch.autograd import Variable
import torch.nn as nn

#输入样本大小为20 输出样本大小30
m = nn.Linear(20, 30) 

# 随机生成一个大小为 128x20 的矩阵
input = Variable(torch.randn(128, 20))

#进行线性变化
output = m(input)

print(output.size())

torch.Size([128, 30])

分析

output.size()=矩阵size(128,20)*矩阵size(20,30)=(128,30)

简化例子

为了探究线性变化内部的原理，我们将数据简化

代码

import torch
from torch.autograd import Variable
import torch.nn as nn

# 输入的矩阵为5x3的随机矩阵
input = Variable(torch.randn(5, 3))
#输入样本大小为3,输出样本大小为4
m = nn.Linear(3, 4)

output = m(input)

print(input)
print(m)
print(output)

tensor([[-1.4788,  0.9317,  0.2875],
        [ 0.0588, -0.0252, -0.6945],
        [ 1.3408,  0.0937, -1.3727],
        [ 1.3503,  0.5256,  0.2303],
        [-0.2420, -0.2153, -0.1697]])

Linear(in_features=3, out_features=4, bias=True)

tensor([[-0.7177, -0.5477, -0.6553,  0.3569],
        [ 0.4992,  0.3262,  0.6837, -0.7086],
        [ 1.2571,  1.2009,  1.3016, -1.1527],
        [ 0.9723,  0.7095,  0.2631, -0.2271],
        [ 0.3237, -0.0485,  0.4222, -0.5008]], grad_fn=<AddmmBackward>)

分析

输入的矩阵大小为 5x3，线性变化的矩阵为 3x4
最后线性变化后的矩阵大小为 5x4
中间计算过程是什么，网上没找到，以后找到答案了，再补充