Linear

• class paddle.fluid.dygraph.Linear(input_dim, output_dim, param_attr=None, bias_attr=None, act=None, dtype='float32')[源代码]

线性变换层：

其中，

为输入的 Tensor， 和 分别为权重和偏置。

Linear 层只接受一个 Tensor 的输入。 Linear 层将输入 Tensor 与权重矩阵

相乘，然后生成形状为 的输出张量， 其中 是批量大小， 表示任意数量的附加尺寸。 如果 bias_attr 不是 None，则将创建一个 bias 变量并将其添加到输出中。 最后，如果激活 act 不是 None，则相应激活函数也将应用于输出上。

• 参数:
• • input_dim (int) – 线性变换层输入单元的数目。
  • output_dim (int) – 线性变换层输出单元的数目。
  • param_attr (ParamAttr, 可选) – 指定权重参数属性的对象。默认值为None，表示使用默认的权重参数属性。具体用法请参见 ParamAttr 。
  • bias_attr (ParamAttr, 可选) – 指定偏置参数属性的对象，若 bias_attr 为bool类型，如果设置为False，表示不会为该层添加偏置；如果设置为True，表示使用默认的偏置参数属性。默认值为None，表示使用默认的偏置参数属性。默认的偏置参数属性将偏置参数的初始值设为0。具体用法请参见 ParamAttr 。
  • act (str, 可选) – 应用于输出上的激活函数，如tanh、softmax、sigmoid，relu等，支持列表请参考 激活函数 ，默认值为None。
  • dtype (str, 可选) – 权重的数据类型，可以为float32或float64。默认为float32。

返回：无

代码示例

from paddle.fluid.dygraph.base import to_variable
import paddle.fluid as fluid
from paddle.fluid.dygraph import Linear
import numpy as np
 
data = np.random.uniform( -1, 1, [30, 10, 32] ).astype('float32')
with fluid.dygraph.guard():
    linear = Linear(32, 64)
    data = to_variable(data)
    res = linear(data)  # [30, 10, 64]

属性

• weight

本层的可学习参数，类型为 Parameter

• bias

本层的可学习偏置，类型为 Parameter