PyTorch全连接层与卷积层详解：nn.Linear和nn.Conv2d参数与应用

在构建深度学习模型，尤其是[计算机视觉](人工智能: https://yunpan.plus/f/29-1)相关的模型时，`nn.Linear`（全连接层）和`nn.Conv2d`（二维卷积层）是PyTorch中最基础且核心的两个模块。本文将深入解析它们的基本用法、核心参数以及在`Python`代码中的实际应用。

nn.Linear 全连接层详解

nn.Linear 用于在网络中定义全连接层（Fully Connected Layer）。在图像处理任务中需要特别注意：全连接层期望的输入和输出通常是二维张量，其形状一般为 [batch_size, feature_size]，这与卷积层要求输入输出为四维张量（[batch_size, channels, height, width]）不同。

• in_features: 指定输入二维张量特征维度的大小，即 [batch_size, size] 中的 size。
• out_features: 指定输出二维张量特征维度的大小，输出形状为 [batch_size, output_size]。同时，它也等同于该层所包含的神经元个数。

从张量形状变换的角度来理解，nn.Linear 层执行了一个从 [batch_size, in_features] 到 [batch_size, out_features] 的线性变换。

nn.Conv2d 二维卷积层详解

nn.Conv2d 是实现二维卷积操作的模块，其核心参数如下：

• in_channels: 输入特征图的通道数。
• out_channels: 输出特征图的通道数，也等同于本层使用的卷积核数量。
• kernel_size: 卷积核的尺寸，可以是一个整数（表示方形卷积核）或一个(height, width)元组。
• stride: 卷积核滑动的步长，控制每次移动的间隔。
• padding: 在输入特征图边缘进行填充的像素数。

代码示例与应用

下面的代码展示了如何定义并使用一个nn.Conv2d层和一个nn.Linear层，模拟一个简单的卷积神经网络的前向过程。

import torch
from torch import nn

# 定义一个卷积层：输入3通道（如RGB图像），输出128个特征图，使用3x3卷积核，步长为1
conv1 = nn.Conv2d(
    in_channels=3,
    out_channels=128,
    kernel_size=3,
    stride=1,
)

# 定义一个全连接层：输入维度为128*26*26（由卷积层输出特征图展平得到），输出10个类别
fc1 = nn.Linear(
    in_features=128*26*26,
    out_features=10,
)

# 模拟一个批次的数据：32张3通道的28x28图像
x = torch.rand(size=(32, 3, 28, 28))

# 前向传播
x = conv1(x)           # 形状变化：[32, 3, 28, 28] -> [32, 128, 26, 26]
x = torch.flatten(x, 1) # 将特征图展平为二维张量：[32, 128*26*26]
x = fc1(x)             # 全连接层计算，输出形状：[32, 10]

print(x.shape)

输出结果：
torch.Size([32, 10])

总结

• nn.Linear：作为网络中的全连接层，其核心在于对输入特征进行线性变换。关键参数in_features和out_features直接决定了输入与输出二维张量的特征维度。
• nn.Conv2d：作为实现2D卷积的核心模块，其主要参数in_channels、out_channels和kernel_size需要根据任务手动设置，而stride、padding等参数均有合理的默认值，在需要时进行调整即可。

理解这两个基础模块的参数意义和输入输出形状变化，是使用[PyTorch](人工智能: https://yunpan.plus/f/29-1)构建更复杂神经网络模型的重要基石。