Linear()全连接层+矩阵原理

@Linear()全连接层+矩阵原理)

Linear()全连接层+矩阵原理

Linear（）参数

原文地址：https://blog.csdn.net/horizonwys/article/details/125933921

。

矩阵原理

在 NLP中 x 一般为一行 故

*linear()中输出为 x W x的维度为 （token-n,embding-long）
token-n 为 样本数量
embding-long 为样本特征数量

W（embding-long,hidden-num)
hidden-num:神经元数量，也就是 一个样本 由 embding-long——>hidden-num是一个线性加权的过程，也就是矩阵映射的过程

合理的创建标题，有助于目录的生成

直接输入1次#，并按下space后，将生成1级标题。
输入2次#，并按下space后，将生成2级标题。
以此类推，我们支持6级标题。有助于使用TOC语法后生成一个完美的目录。