💻 torch.nn.Linear 笔记 📊

在深度学习中，`torch.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）。它通过线性变换 \( y = xA^T + b \) 来完成输入与输出之间的映射，其中 \( A \) 是权重矩阵，\( b \) 是偏置向量。简单来说，就是将输入数据通过一组参数进行线性组合，常用于特征提取或分类任务。

与其他模块如 `nn.Conv2d` 不同，`nn.Linear` 处理的是扁平化的向量输入。例如，在图像处理中，如果使用 `Conv2d(1, 1, kernel_size=1)`，相当于对每个像素点应用一个全局卷积核，从而保持空间维度不变，但改变通道数。而 `Linear` 则会直接将多维张量展平为一维向量，适合处理非空间结构的数据。

💡 小贴士：当需要减少模型参数时，可以尝试用 `Conv2d(1, 1, kernel_size=1)` 替代 `Linear`，这样既能保留二维特征图，又不会增加额外计算开销！

总之，无论是 `Linear` 还是 `Conv2d`，它们都是构建神经网络的重要工具，合理选择能有效提升模型性能。💪