PyTorch的torch.nn.Linear()的计算方法

最新推荐文章于 2023-01-24 20:41:13 发布
VIP文章 最新推荐文章于 2023-01-24 20:41:13 发布
阅读量2.3k 收藏 2
点赞数
分类专栏： Pytorch深度学习 文章标签： 人工智能 深度学习 神经网络 python pytorch
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/rambo_csdn_123/article/details/119087559
版权 
import torch
import torch.nn as nn
layer = nn.Linear(10, 3)
vector = torch.ones(10)

我们定义了一个从10到3的全连接层layer，并且创建了一个全1的特征向量vector
按照我们的理解，将vector放入layer也就是进行一个矩阵运算，vector是一个 1乘10 矩阵，那么layer肯定是一个 10乘3 矩阵，这样才能使得输出向量的维度是3

weight &#
最低0.47元/天 解锁文章
龙哥每天都要学
关注
  • 0
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
浅析PyTorch中nn.Linear的使用
01-01
查看源码 Linear 的初始化部分： class Linear(Module): ... __constants__ = ['bias'] def __init__(self, in_features, out_features, bias=... self.weight = Parameter(torch.Tensor(out_features, in_featu
torch.nn.Linear进行线性运算的流程
weixin_44347925的博客
12-23 1314
m = torch.nn.Linear(2, 4) m.weight #Out[2]: #Parameter containing: #tensor([[-0.6660, 0.1373], # [ 0.2986, 0.4758], # [-0.2398, 0.2945], # [-0.1975, 0.6900]], requires_grad=True) m.weight.shape #Out[21]: torch.Size([4, 2]) m.bias
nn.Linear
芒果干的博客
10-09 664
torch.nn.Linear(in_features, out_features, bias=True, device=None, dtype=None) 这个函数主要是进行空间的线性映射 in_features：输入数据的数据维度 out_features：输出数据的数据维度 函数执行过程： 假设我们有一批数据xxx，xxx的维度为20维，这一批数据一共有128个，我们要将20维的xxx映射到30维空间的yyy中，下面是计算过程，其中www是Linear函数的weight权重 y=xWT+b y =
pytorch 深度学习实践 第5讲 pytorch实现线性回归
晓木木的博客
08-13 1796
第5讲 pytorch实现线性回归Linear Regression with PyTorch pytorch学习视频——B站视频链接：《PyTorch深度学习实践》完结合集_哔哩哔哩_bilibili 以下是视频内容笔记以及小练习源码，笔记纯属个人理解，如有错误勿介或者欢迎路过的大佬指出 。 目录 1. 构造神经网络一般步骤 2. 第一步——准备数据集 prepare dataset 3. 第二步——模型设计 4. 第三步——构造损失函数和优化器 4. 第四步——训练 5. 本节代码..
计算nn.Linear的计算量FLOPs
qq_37025073的博客
06-13 2911
import torch import torch.nn as nn m = nn.Linear(20, 30) input = torch.randn(128, 3,20) output = m(input) print(output.size()) flops = (torch.prod(torch.LongTensor(list(output.size()))) \ * input[0].size(1)).item() print((list(output.size()))) pri
nn.Linear里面的第一个参数如何确定？
weixin_42576467的博客
01-24 117
nn.Linear 的第一个参数表示输入数据的维度，通常是输入数据的特征数。例如，如果输入数据是一个 NxD 的张量，其中 N 是样本数量，D 是特征数量，那么第一个参数应该设置为 D。 ...
用pytorch的nn.Module构造简单全链接层实例
12-23
python版本3.7，用的是虚拟环境安装的pytorch，这样随便折腾，不怕影响其他的python框架 1、先定义一个类Linear，继承nn.Module import torch as t from torch import nn from torch.autograd import Variable as ...
pytorch_learning-4-nn.Module
01-06
torch.nn是pytorch用来实现深度学习的模块，核心数据结构为nn.Module。这是一个抽象的概念，既可以表示神经网络中的一个层，也可表示包含很多层的一个网络。 2：全连接层的实现 全连接层的输出y与输入x 满足 y = Wx...
Pytorch多GPU的计算和Sync BatchNorm
01-06
nn.DataParallel pytorch中使用GPU非常方便和简单： import torch import torch.nn as nn input_size = 5 output_size = 2 ... self.fc = nn.Linear(input_size, output_size) def forward(self, input):
Pytorch|神经网络工具箱nn
01-06
哎…年前就看到了这里，我的水平和这一章之间可能隔了一个太平洋（/TДT)/ torch.nn是专门为深度学习设计的模块，核心数据结构是Module，既可以...下面这段代码定义了新的类Linear，把nn.Module放在括号中表示它是Lin
pytorch系列 ---5以 linear_regression为例讲解神经网络实现基本步骤以及解读nn.Linear函数
浩瀚之水的专栏
11-11 443
本文主要讲述最简单的线性回归函数： y = w x + b y=wx+by=wx+b在pytorch的实现，主要包括神经网络实现的基本步骤和nn.Linear的源码解读。 1. nn.Linear 源码解读 先看一下Linear类的实现： 源代码网址:https://pytorch.org/docs/stable/_modules/torch/nn/modules/linear.html Linear继承于nn.Module,内部函数主要有__init__，reset_parameters,forw.
torch.nn.Linear
weixin_41620490的博客
11-13 1059
torch.nn.linear如何使用
Pytorch学习笔记(六):view()和nn.Linear()函数详解
源的博客
06-17 5170
相关文章 Pytorch学习笔记(一):torch.cat()模块的详解 Pytorch学习笔记(二):nn.Conv2d()函数详解 Pytorch学习笔记(三):nn.BatchNorm2d()函数详解 Pytorch学习笔记(四):nn.MaxPool2d()函数详解 Pytorch学习笔记(五):nn.AdaptiveAvgPool2d()函数详解 Pytorch学习笔记(六):out.view(out.size(0), -1)和nn.Linear()函数详解 文章目录1.函数语法格式和作用2.
常见报错：RuntimeError: expected scalar type Long but found Float
热门推荐
rambo_csdn_123的博客
07-25 4万+
RuntimeError: expected scalar type Long but found Float 这是一个非常常见的报错，我已经遇到过这个报错很多次了，但是之前没有仔细研究过，今天好好好看了看，终于找到了原因。首先把导致报错的代码写出啦： import torch import torch.nn as nn v = torch.tensor([0]) m = nn.Linear(1, 10) m(v) 短短的几行代码，就是初始化了一个值为0的v和一个网络m，爆出了一大堆错： Traceba
PyTorch的Variable已经不需要用了！！！
rambo_csdn_123的博客
07-24 6342
Pytorch的torch.autograd.Variable 今天在看《莫凡Python》的PyTorch教程的时候发现他的代码还在使用Variable，并且我记得过去读一些GitHub上面的代码的时候也发现了Variable这个东西，根据教程中所说的，想要计算tensor的梯度等等，就必须将tensor放入Variable中并指定required_grad的值为True,通过这个Variable的容器才能进行梯度求导等等操作，代码如下： import torch from torch.autograd
PyTorch 分类任务的softmax以及CrossEntropyLoss
rambo_csdn_123的博客
07-30 2399
多分类任务不需要在输出层使用softmax函数 今天在看nn.CrossEntropyLoss()的文档的时候看到两句话： 1.The input is expected to contain raw, unnormalized scores for each class. input 的维度要求是 [batch, C]，其中C是分类的总数 2.target 的维度直接是 batch就行了，而不需要进行 one-hot 猛然醒悟，原来CorssEntropyLoss()函数里面会自动调用softmax函数
关于PyTorch中向量的维度
rambo_csdn_123的博客
07-26 821
import torch x = torch.tensor([1, 2, 3, 4], dtype=torch.float) x.shape Out[14]: torch.Size([4]) y = x.T y.shape Out[16]: torch.Size([4]) 代码如上，x就是一个普通的tensor向量，但是x的shape和x转置的shape居然是一样的 这样让我分不清x到底是行向量还是列向量了，下面的代码会报错也是因为维度： net = torch.nn.Linear(1, 10) net(
Pytorch指定某块GPU
rambo_csdn_123的博客
06-21 391
服务器有两块GPU，原本没有指定GPU的，直接用cuda()语句可以运行 今天GPU 0 上面有别人在跑的程序，所以让我指定GPU 1 来跑 一开始试了各种方法代码还是报错，最后简单地加了一条语句就跑通了 import torch device = 1 torch.cuda.set_device(device) ...
self.fc = torch.nn.Sequential( torch.nn.Linear(320, 50), torch.nn.Linear(50, 10), ) 什么意思，参数怎么变化的
最新发布
07-28
回答: self.fc = torch.nn.Sequential( torch.nn.Linear(320, 50), torch.nn.Linear(50, 10), ) 是一个神经网络模型的定义，其中使用了torch.nn.Sequential类来构建一个序列模型。\[1\]在这个模型中，有两个线性层(torch.nn.Linear)，分别是torch.nn.Linear(320, 50)和torch.nn.Linear(50, 10)。这两个线性层分别完成从输入层到隐藏层的线性变换和从隐藏层到输出层的线性变换。其中，(320, 50)表示输入层的维度为320，隐藏层的维度为50；(50, 10)表示隐藏层的维度为50，输出层的维度为10。这样的定义意味着输入层有320个神经元，隐藏层有50个神经元，输出层有10个神经元。这些参数的变化是根据具体的问题和数据来确定的。 #### 引用[.reference_title] - *1* *2* *3* [PyTorch 笔记（16）— torch.nn.Sequential、torch.nn.Linear、torch.nn.RelU](https://blog.csdn.net/wohu1104/article/details/107646744)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值