在深度学习框架PyTorch中，`torch.nn.Linear` 是一个非常基础且重要的模块，用于实现全连接层（Fully Connected Layer）。它在神经网络中扮演着将输入数据映射到输出的关键角色。简单来说，`torch.nn.Linear` 的作用是通过权重矩阵和偏置向量对输入进行线性变换。

首先，让我们了解其构造函数：`torch.nn.Linear(in_features, out_features, bias=True)`。其中：

- `in_features` 表示输入数据的特征维度；

- `out_features` 表示输出数据的特征维度；

- `bias` 参数决定是否添加偏置项，默认为 `True`。

在实际使用时，`torch.nn.Linear` 会自动完成权重初始化，通常采用均匀分布或正态分布的方式。此外，它支持 GPU 加速，只需确保输入张量位于 CUDA 设备上即可。

例如，在定义模型时，我们可以通过以下代码创建一个简单的线性层：

```python

import torch.nn as nn

linear_layer = nn.Linear(128, 64) 输入128维，输出64维

```

总之，`torch.nn.Linear` 是构建神经网络的基础组件之一，掌握其用法对于开发高效的深度学习模型至关重要。💪

PyTorch 深度学习 神经网络