电子商务网站建设考试简答题,网页视频怎么下载插件,wordpress阅读排行榜,海口仿站定制模板建站本系列教程适用于没有任何pytorch的同学#xff08;简单的python语法还是要的#xff09;#xff0c;从代码的表层出发挖掘代码的深层含义#xff0c;理解具体的意思和内涵。pytorch的很多函数看着非常简单#xff0c;但是其中包含了很多内容#xff0c;不了解其中的意思… 本系列教程适用于没有任何pytorch的同学简单的python语法还是要的从代码的表层出发挖掘代码的深层含义理解具体的意思和内涵。pytorch的很多函数看着非常简单但是其中包含了很多内容不了解其中的意思就只能【看懂代码】无法【理解代码】。 目录 官方定义demo1demo2 官方定义
nn.Linear 是 PyTorch 中用于创建线性层的类。线性层也被称为全连接层它将输入与权重矩阵相乘并加上偏置然后通过激活函数进行非线性变换。
官方的文档如下torch.nn.Linear: demo1
下面是一个官方文档给出的例子
m nn.Linear(20, 30)
input torch.randn(128, 20)
output m(input)
print(output.size())输出的结果 首先输出[128, 20]的张量经过一个[20, 30]的线性层变成[128, 30]的张量。 可以理解为矩阵的乘法也就是矩阵的外积矩阵的叉乘第一个矩阵的行数与第二个矩阵的列数相同。
demo2
input_data torch.Tensor([[1, 2, 3], [4, 5, 6]]) # [2, 3]
m nn.Linear(3, 2)
output m(input_data)
print(output) # [2, 2]输出 可以看看nn.Linear(3, 2)的参数
for param in m.parameters():print(param)输出 结合参数其实本身它们的计算就是矩阵的乘法 输入X为[n, i]的矩阵经过W为[i,0]的矩阵加上b的偏置得到Y为[n,o]的矩阵。
计算的思路也比较简单 output[0][0] [1, 2, 3] * [0.2888, -0.4596, -0,4896] 0.3740 -1.7253 output[0][1] [1, 2, 3] * [0.4730, -0.4033, -0.4739] 0.3182 -1.4370 output[1][0] [4, 5, 6] * [0.2888, -0.4596, -0,4896] 0.3740 -3.7066 output[1][1] [4, 5, 6] * [0.4730, -0.4033, -0.4739] 0.3182 -2.6495
通过input和param的对比我们可以很轻松地理解实际上就是矩阵的乘法操作。而模型在训练过程中就是不断调整param的参数使得输出的张量符合训练集的需求。
