当前位置：首页 > news >正文

PyTorch深度学习入门记录8

news 2025/8/2 16:15:15

线性层（全连接层）

线性层（Linear Layer），也称为全连接层（Fully Connected Layer），是神经网络中最基础的组件之一，主要作用是对输入数据进行线性变换，实现特征的线性组合与维度转换。

计算如下：

output = input × weight + bias

核心作用：

特征维度转换
将输入特征从 in_features 维度映射到 out_features 维度，实现数据维度的升维或降维。
例如：将 CIFAR10 图像展平后的 196608 维特征，通过 nn.Linear(196608, 10) 转换为 10 维（对应 10 个类别）。
特征线性组合
通过权重矩阵对输入特征进行加权求和，结合偏置项，学习输入特征与输出目标之间的线性关系。
（注：线性层本身是 “线性” 的，通常需要配合激活函数引入非线性，才能拟合复杂数据分布。）
学习数据模式
在训练过程中，线性层通过反向传播不断调整 weight 和 bias，使输出尽可能接近目标值（如分类任务中的类别标签），从而学习到输入数据中的关键模式。

# 导入PyTorch核心库，用于张量操作和神经网络基础功能
import torch# 导入torchvision的datasets模块，用于加载预设图像数据集
import torchvision.datasets# 从torch中导入nn模块，包含构建神经网络的基础组件
from torch import nn# 从nn模块中导入线性层（全连接层）
from torch.nn import Linear# 从torch.utils.data导入DataLoader，用于批量加载数据集并支持并行处理
from torch.utils.data import DataLoader# 加载CIFAR10测试数据集
# CIFAR10是一个包含10个类别的彩色图像数据集，每张图像大小为32x32
dataset = torchvision.datasets.CIFAR10("./official_dataset",  # 数据集保存到本地的路径train=False,  # 设置为False表示加载测试集，True则加载训练集download=False,  # 设置为False表示不自动下载（假设已提前下载）transform=torchvision.transforms.

查看全文

http://www.dtcms.com/a/310775.html