torch学习笔记(二) nn类结构-Linear

Linear模块的创建与参数介绍
最新推荐文章于 2025-06-30 15:33:00 发布
原创 最新推荐文章于 2025-06-30 15:33:00 发布 · 492 阅读 · 0 ·
CC 4.0 BY-SA版权
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。

博客介绍了Linear模块，它是module的子类，代表线性变换。创建Linear需inputSize和outputSize两个参数，分别为输入和输出节点数。还介绍了Linear的7个字段，最后给出创建例子。

Linear 是module的子类，是参数化module的一种，与其名称一样，表示着一种线性变换。

创建

parent 的init函数

Linear的创建需要两个参数，inputSize 和 outputSize
inputSize：输入节点数
outputSize：输出节点数
所以Linear 有7个字段:

weight : Tensor ， outputSize ×× inputSize
bias: Tensor ，outputSize
gradWeight: Tensor ， outputSize ×× inputSize
gradBias: Tensor ，outputSize
gradInput: Tensor
output: Tensor
_type: output:type()
例子
module = nn.Linear(10, 5)
1
Forward Pass

---------------------
作者：bubbleoooooo
来源：优快云
原文：https://blog.youkuaiyun.com/u012936765/article/details/52671156
版权声明：本文为博主原创文章，转载请附上博文链接！

Pytorch实现线性模型
weixin_45982484的博客
10-02 889
1、模型训练步骤 （1）准备数据集 （2）设计模型，计算y_pred （3）计算loss （4）训练周期 ​ ①前馈②反馈（梯度）③更新权重 2、知识点 （1）线性单元（Linear Unit） ①线性单元就是计算一次y_pred，也就是一个感知机。 ②在实际的计算中，y_pred与X都是向量，而在pytorch里面使用Tensor进行向量的存储，因此在进行数据准备时需要将训练数据存储为Tensor。 注：例如：w矩阵在扩充之前是1*1，那么在实际的计算中，需要将w扩充为31矩阵 ③w需要根据z与x来
torch.nn.Linear类（nn.Module）详解（包含内部逻辑）
weixin_37490132的博客
09-10 2006
torch.nn.Linear类（nn.Module）详解，包含内部逻辑
pytorch 线性层Linear详解
weixin_44509533的博客
08-20 4145
介绍pytorch Linear层的数学公式，对多条输入数据的处理
torch.nn.Linear
weixin_44012667的博客
12-01 1233
是一个，通常用于神经网络中的输入、隐藏层或输出层。
torch之nn.Linear
Nicola.Zhang
08-22 8951
首先说明一点，nn.Linear为类，而不是函数，这在torch很是常见，不要想当然认为是C语言中； CLASS torch.nn.Linear(in_features, out_features, bias=True) 原理：矩阵相乘，和数学上的形式完全一致 参数 in_features – size of each input sample out_features – size...
学习笔记-PyTorch-线性模型 torch.nn.Linear
coder_links的博客
01-19 839
线性模型原理及实践代码；jupyternotebook中如何加载数据集
torch学习笔记(一) nn类结构-Module
野生的TFgirl
09-24 2293
网络的每一个模块都是由Modules组成的，可以使用一些 Module 的子类。容器类包括Sequential,Parallel和Concat，这些容器可以包含simple layers，比如Linear，Mean，Max和Reshape，或者是convolution layers以及transfer layers比如Tanh。 Loss functions 是作为Criterion子类实现的，
torch.nn.Linear的维度变换过程详解（有图有公式有代码）
weixin_44115575的博客
08-05 5303
当初在学习nn.Linear时了解到的博客都是关于一维变换的，比如输入3通道，输出6通道；又比如得到（3，4，4）的特征图，需要进行拉平为（48，）的向量，然后通过nn.Linear（48，10）得到10个输出（分类任务很常见）。 nn.Linear除了可以进行分类，主要的作用就是改变维度便于下一个卷积层或线形层的输入。 但是在实际代码中，nn.Linear的输入往往都是多维数据，一样可以正常输出。所以经过查阅手册和各个帖子，给出了自己的理解，作为笔记。
PyTorch学习笔记（二）——torch.nn解析
Candyerer的博客
01-27 3179
PyTorch提供了方便漂亮的类和模块，来帮助我们创建和训练神经网络，例如 torch.nn, torch.optim 等。 为了更好地理解这些模块的功能和原理，我们在手动搭建的神经网络上，逐步添加这些模块，以显示每部分模块的功能，以及每部分是如何让代码更加灵活简洁的。 1、手动搭建神经网络 使用MNIST数据集，该数据集共有50000个图片，每一图片大小为2828，储存在长度为2828=784的扁平行。 #定义权重和偏执值,需要requires_grad=True，以便自动计算梯度，完成反馈 weight
pytorch学习（五）---torch.nn模块
qq_41858089的博客
11-23 3420
本篇自学笔记来自于b站《PyTorch深度学习快速入门教程（绝对通俗易懂！）【小土堆】》，Up主讲的非常通俗易懂，文章下方有视频连接，如有需要可移步up主讲解视频，如有侵权，实非故意，深表歉意，请与我联系，删除相关内容！ 本节介绍一些torch.nn模块的常用层，包括卷积层、池化层以及激活函数等。 首先是卷积层：torch.nn.Conv2d():主要参数有： in_channel:输入的通道数；out_channel:输出的通道数；k...
linearclassifiers（线性分类器）
05-19
机器学习 中的线性分类器算法，采用简易python语言编写
torch.nn.Linear()函数的理解
热门推荐
哪惧明天，风高路斜
02-21 14万+
import torch x = torch.randn(128, 20) # 输入的维度是（128，20） m = torch.nn.Linear(20, 30) # 20,30是指维度 output = m(x) print('m.weight.shape:\n ', m.weight.shape) print('m.bias.shape:\n', m.bias.shape) print...
torch.nn.Linear()
Vic_Hao的博客
06-01 1万+
import torch x = torch.randn(128, 20) # 输入的维度是（128，20） m = torch.nn.Linear(20, 30) # 20, 30是指维度 output = m(x) print('m.weight.shape:\n', m.weight.shape) print('m.bias.shape:\n', m.bias.shape) print('...
【pytorch】torch.nn.Linear详解
sazass的博客
03-18 6万+
在学习transformer时，遇到过非常频繁的nn.Linear()函数，这里对nn.Linear进行一个详解。 参考：https://pytorch.org/docs/stable/_modules/torch/nn/modules/linear.html 概要 1. nn.Linear的原理:2. nn.Linear的使用:3. nn.Linear的源码定义:4. nn.Linear的官方源码: 1. nn.Linear的原理: 从名称就可以看出来，nn.Linear表示的是线性变换，原型就是初级数学
torch.nn.Linear实现单层回归网络的正向传播
a_Loki的博客
05-13 566
反向传播：往前回溯，计算初始节点的梯度值 正向传播：从输入到输出 torch.nn.Linear: 代表线性的输出层，z = wx import torch X = torch.tensor([[1,0],[1,1],[0,1],[0,0]],dtype=torch.float32) torch.random.manual_seed(22) # 人为设置随机数种子，固定w，b值 # 实例化一个 output output = torch.nn.Linear(2,1) """ 上一层的神经元个
PyTorch----torch.nn.Linear()函数
xinxin的博客
03-26 588
在这个例子中，linear_layer表示一个具有5个输入特征和3个输出特征的完全连接层。我们通过这一层传递一批形状为(2,5)的输入数据，得到一个形状为(2,3)的输出张量(批大小为2,3个输出特征)。线性层的权重和偏置在层创建时自动初始化，并在训练过程中进行更新，以最小化损失。torch.nn.Linear是PyTorch中的一个模块，用于在神经网络中实现完全连接层。bias(可选):如果设置为True(默认)，层将学习一个附加的偏置项。它对应于输入张量中特征的个数。它对应于层中神经元的数量。
【Torch】nn.Linear算法详解
最新发布
zkw54334的博客
06-30 1248
nn.Linear是 PyTorch 中最基础的全连接（fully‐connected）线性层，也称仿射变换层（affine layer）。outputxWTboutputxWTb其中，WWW是形状为的权重矩阵，bbb是长度为的偏置向量。
torch_linear_regression
椰子奶糖的博客
09-07 464
torch_linear_regression 手打了一波linear_regression，再次体验了一下torch的流程 import torch import torch.nn as nn import numpy as np import matplotlib.pyplot as plt input_size = 1 output_size = 1 num_epochs = 60 learning_rate = 0.001 # Toy dataset x_train = np.array([
超级详细的torch.nn.Linear()函数讲解
qq_74087436的博客
07-09 9921
2.out_feature:该参数代表输出的最后一维的通道个数，就二维来说通俗来说就是Y矩阵的列数，因为Y是输出的参数，而Y维度为2，其最后一维就是列，所以out_feature在二维中就是矩阵Y的列数。1.in_fetaure:该参数代表输入的最后一维的通道个数，就二维来说通俗来说就是X矩阵的列数，因为X是输入的参数，而X维度为2，其最后一维就是列，所以in_feature在二维中就是矩阵X的列数。其中W是模型要学习的参数，W的维度为ixo，b是维度o的向量偏置。1.为什么w的维度是ixo呢？
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