Pytorch nn.Linear() 使用示例

由于我之前一直用Keras，感觉Keras中的Dense()层非常好用，可以非常方便地进行全连接操作。这次需要用到Pytorch中的全连接层，一开始还不太会用，但是仔细研究后发现，其实两者殊途同归，方法很相似。

当我们需要将形如[batch_size, 18, 1, 1]的张量全连接操作后分别得到[batch_size, 18, 16]和[batch_size,1]的张量，该如何操作呢？

[batch_size, 18, 16]

class my_network(nn.Module):
    def __init__(self):
        super(my_network, self).__init__()
        self.fc = nn.Linear(1, 16)
	def forward(self, inputs): 
		x = x.view(inputs, 18, 1) # 先进行维度压缩，将输入的[batch_size, 18, 1， 1]变为[batch_size, 18, 1]
		A = self.fc(x) # 全连接后，维度变为[batch_size, 18, 16]
		return A

[batch_size, 1]

class my_network(nn.Module):
    def __init__(self):
        super(my_network, self).__init__()
        self.fc = nn.Linear(18, 1)
	def forward(self, inputs): 
		x = x.view(inputs, 18) # 先进行维度压缩，将输入的[batch_size, 18, 1， 1]变为[batch_size, 18]
		A = self.fc(x) # 全连接后，维度变为[batch_size, 1]
		return A