【神经网络】05 - 全连接层

最新推荐文章于 2025-03-22 10:49:50 发布

SmallBambooCode

最新推荐文章于 2025-03-22 10:49:50 发布

阅读量779

点赞数 12

分类专栏：小土堆PyTorch 文章标签：深度学习人工智能神经网络

本文链接：https://blog.csdn.net/qq_35516428/article/details/138251684

版权

05 - 全连接层

概念

nn.Linear在PyTorch中是用于创建全连接层（全连接神经网络层）的类。全连接层也被称为密集连接层或者全连接神经网络层，是深度学习中常用的一种网络层类型。

全连接层的作用是将上一层的所有节点都连接到当前层的每个节点，这样每个节点都与上一层的所有节点相连，形成了完全连接的网络结构。这种结构可以学习到输入数据之间的复杂非线性关系，从而提高模型的表达能力。

在PyTorch中，使用nn.Linear可以方便地创建全连接层，指定输入特征的维度和输出特征的维度。例如，下面是一个创建全连接层的示例：

import torch
import torch.nn as nn

# 定义一个全连接层，输入特征维度为10，输出特征维度为5
linear_layer = nn.Linear(in_features=10, out_features=5)

# 打印全连接层的权重和偏置项
print("全连接层的权重:")
print(linear_layer.weight)
print("全连接层的偏置项:"