密集层（Dense Layer）、全连接层（Fully Connected Layer）或线性层（Linear Layer）

密集层（Dense Layer）是深度学习中常用的一种神经网络层，也被称为全连接层（Fully Connected Layer）或线性层（Linear Layer）。
其公式为：
$输出=输入\times 权重+偏置$
即：
$Y=X\times W^T+b$
示例代码如下：

import torch
import torch.nn as nn

# 定义线性层
linear_layer = nn.Linear(in_features=10, out_features=5)
# 使用state_dict()方法查看参数
params = linear_layer.state_dict()
# 创建输入
input_data = torch.randn(1, 10)  # 假设输入维度为10

# 应用线性变换
print(input_data.size())
print(input_data)
print("--------------------")
output = linear_layer(input_data)
print(output.size())
print(output)
print("--------------------")
# 打印参数
print(params['weight'].size())
print(params['bias'].size())
print("模块的参数：", params)

输入X为一个$1\times 10$的矩阵

tensor([[-0.9293, -0.1591,  0.1222,  1.3432, -0.2769,  0.3636,  0.4635,  0.8695,
          0.0999,  0.0679]])

输出Y为一个$1\times 5$的矩阵

tensor([[-0.1930,  0.2412, -0.2174,  0.0605,  0.1455]],
       grad_fn=<AddmmBackward0>)

权重W为一个$5\times 10$的矩阵

tensor([[ 0.2742, -0.1694, -0.2970, -0.2875, -0.1522,  0.1394,  0.2337,  0.2720,
         -0.0485,  0.0854],
        [ 0.1568,  0.2868,  0.0814,  0.3145, -0.1205,  0.1496,  0.2638, -0.2063,
         -0.1005,  0.2868],
        [ 0.3038,  0.2409, -0.2489,  0.0208,  0.0560,  0.0564,  0.3016,  0.1039,
          0.1176, -0.1743],
        [ 0.1479, -0.1633,  0.0063,  0.2720, -0.0071,  0.1717, -0.2909, -0.1842,
          0.2239,  0.0726],
        [-0.2103,  0.0684, -0.0034, -0.0660, -0.0258, -0.0493, -0.2986,  0.0872,
          0.0568,  0.1197]])

偏置b为一个$1\times 5$的矩阵

tensor([ 0.0186, -0.0399, -0.1293,  0.0093,  0.1097])

上述矩阵尺寸和运算结果都符合公式
$Y=X\times W^T+b$