torch.nn.linear()

• 파이토치의 선형 회귀 모델

torch.nn.Linear(in_features,out_features,bias = True, device = None,dtype = None)

• in_features
  - input sample의 size
  

• out_features
  - output sample의 size
  

• bias = True
  - bias에 대한 학습 여부

• device = None
  - cuda로 학습할 것인지 cpu로 학습할 것인지

device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')

class Net(nn.Module):
  def __init__(self):
    ...

  def forward(self, x):
    ...

net = Net()

net = net.to(device) 
# GPU에 할당받은 변수를 다시 재할당해 inplace와 같은 옵션을 적용시키는 것이 예기치 못한 오류를 예방할 수 있다.

• dtype - None
  - 자료형 타입 설정

1. m = nn.Linear(20, 30) 
2. input = torch.randn(128, 20) 
3. output = m(input) 
4. print(output.size())
5. torch.Size([128, 30])

1. m이라는 linear의 input_size는 20이고 output_size는 30

2. input은 128 * 20이고 x의 input 사이즈는 20

3. input을 m에 넣는다.

4. outpur의 size는 5번과 같이 128 * 30