全连接层基类

bot编程 2025-08-16 13:20:32

课时名称	课时知识点
全连接层基类	内容包括：全连接层类、全连接层类分析，全连接层基类实现

...全文

48 回复打赏收藏转发到动态举报

写回复

回复

切换为时间正序

请发表友善的回复…

发表回复

pytorch中提供了pytorch.nn类，作为神经网络的基本骨架。pytorch.nn中的Module类则作为所有神经网络的基类。

torch.nn.Module（以下简称 Module）是所有神经网络模块的基类，在 pytorch 中，自定义层、自定义块、自定义模型都可以通过继承 Module 类来实现； Module 中有许多方法，在自定义类时必须重写其中的两个方法：__init__ 和 forward； __init__ 中存放模型的固有属性，如：全连接层、卷积层等等； forward 中写各层之间的连接计算关系，...

简单的CNN基础架构

是 PyTorch 中的全连接层（线性层）。它的作用是将输入数据通过一个线性变换（是 PyTorch 中所有神经网络模块的基类，任何自定义的网络都需要继承它。定义了一个 ReLU 激活函数。ReLU 是一种常用的激活函数，公式为。然后，将线性变换的结果通过 ReLU 激活函数，得到。的类，继承自 PyTorch 的。调用了父类的初始化方法，这是继承。定义了第一层全连接层，输入大小为。定义了第二层全连接层，输入大小为。定义了输出层，输入大小为。，得到线性变换的结果。，得到线性变换的结果。

全连接层（fully connected layers，FC）在整个卷积神经网络中起到“分类器”的作用。如果说卷积层、池化层和激活函数层等操作是将原始数据映射到隐层特征空间的话，全连接层则起到将学到的“分布式特征表示”映射到样本标记空间的作用。在实际使用中，全连接层可由卷积操作实现：对前层是全连接的全连接层可以转化为卷积核为1x1的卷积；而前层是卷积层的全连接层可以转化为卷积核为hxw的全局卷积，h和w分别为前层卷积结果的高和宽。全连接的核心操作就是矩阵向量乘积 y = Wx。

郭海洋(bot讲师)的课程社区_NO_1

1

社区成员

134

社区内容

发帖

与我相关

我的任务

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章