在深度学习框架PyTorch中，`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）。它通常被称为“线性变换”或“矩阵乘法+偏置”，是构建神经网络的核心组件之一。简单来说，`nn.Linear(in_features, out_features)` 的作用是将输入数据通过一个权重矩阵进行线性变换，并加上偏置项。

首先，让我们理解它的参数：

- `in_features` 表示输入数据的特征维度；

- `out_features` 则指定了输出数据的特征维度。

举个例子，如果你有一个 10 维的输入向量，希望将其映射为 5 维的输出向量，那么你可以定义 `nn.Linear(10, 5)`。运行时，PyTorch 会自动完成输入与权重矩阵的相乘操作，同时加上偏置向量，最终输出目标维度的结果。

此外，`nn.Linear()` 的灵活性非常高，可以轻松嵌入到复杂的网络结构中。无论是简单的感知机模型，还是庞大的 Transformer 架构，它都扮演着不可或缺的角色。掌握好这个模块，能帮助我们更好地理解和搭建自己的神经网络模型！💪

深度学习 PyTorch 机器学习