查看官方文档：PyTorchhttps://pytorch.org/

找到Linear Layers，如下所示 

 线性层函数介绍：

CLASStorch.nn.Linear(in_features, out_features, bias=True, device=None, dtype=None)[SOURCE]https://pytorch.org/docs/stable/_modules/torch/nn/modules/linear.html#Linear

参数介绍：

Parameters

• in_features (int) – size of each input sample

• out_features (int) – size of each output sample

• bias (bool) – If set to , the layer will not learn an additive bias. Default: FalseTru

 线性层又叫全连接层，其中每个神经元与上一层所有神经元相连，一个简单的线性层如下图所示：

in_features指的是上图中x1，x2...xd的个数，即d

out_features 指的是上图中g1，g2...gL的个数，即L

bias：偏置，上面加不加b，就由这个bias控制，True时，加b        ·

Variables

• weight (torch.Tensor) ：相当于上图中的

• bias : 相当于上图中的b

下面以一个简单的网络结果VGG16模型为例 ：

 我们想实现下面这个：

import torch import torchvision from torch import nn from torch.nn import Linear from torch.utils.data import DataLoader  dataset=torchvision.datasets.CIFAR10('datasets',train=False,transform=torchvision.transforms.ToTensor(),download=True)  dataloader=DataLoader(dataset,batch_size=64,drop_last=True)  class Tudui(nn.Module):         def __init__(self):             super(Tudui,self).__init__()             self.linear1 = Linear(in_features=196608,out_features=10)         def forward(self,input):             output = self.linear1(input)             return output   tudui=Tudui() for data in dataloader:     imgs,targets=data     print(imgs.shape)   # torch.Size([64, 3, 32, 32])   imgs个数为157，最后imgs[157]个数为14张图片     # output=torch.reshape(imgs,([1,1,1,-1]))  #最后一个-1代表让其自己计算     output = torch.flatten(imgs)     print(output.shape)  #torch.    Size([1, 1, 1, 196608])     output= tudui(output)     print(output.shape)  #经过神经网络 torch.Size([1, 1, 1, 10])

如下图所示，pytorch提供的一些网络模型，像AlexNet,VGG,ResNet等

 语义分割：Semantic Segmentationhttps://pytorch.org/vision/0.9/models.html#semantic-segmentation

目标检测、实例分割和人体结构检测（行为检测） 

• Object Detection, Instance Segmentation and Person Keypoint Detectionhttps://pytorch.org/vision/0.9/models.html#object-detection-instance-segmentation-and-person-keypoint-detection