Linear Layer

释义 Definition

线性层：机器学习/深度学习中常见的一种神经网络层，对输入做线性（更准确说是仿射）变换：(y = Wx + b)。常用于特征变换、分类器的最后一层、回归输出等。（在框架里也常叫 fully connected layer / dense layer。）

发音 Pronunciation (IPA)

/ˈlɪniər ˈleɪər/

例句 Examples

A linear layer maps input features to output features.
线性层把输入特征映射到输出特征。

After the convolution blocks, the model flattens the tensor and sends it through a linear layer to produce class logits.
在卷积模块之后，模型将张量展平，并通过线性层生成分类的 logits（未归一化得分）。

词源 Etymology

linear 源自拉丁语 linearis（“线的、成直线的”，来自 linea “线”）；layer 来自动词 lay（“放置、铺放”）的相关用法，表示“层”。组合成 linear layer 主要是现代机器学习语境中的术语，指执行 (Wx+b) 的层。

相关词 Related Words

• Affine Transformation
• Dense Layer
• Fully Connected Layer
• Weight Matrix
• Bias
• Activation Function
• Perceptron
• Logits
• Matrix Multiplication

文学/著作中的出现 Literary Works

• Deep Learning（Ian Goodfellow, Yoshua Bengio, Aaron Courville）——在神经网络结构与线性/仿射变换相关章节中频繁出现。
• Pattern Recognition and Machine Learning（Christopher M. Bishop）——在广义线性模型、神经网络与特征映射讨论中常见。
• Deep Learning with Python（François Chollet）——在 Keras/模型搭建示例中以 Dense (linear) 等形式出现。
• Neural Networks and Deep Learning（Michael Nielsen）——讲解全连接层与线性变换时常用到该概念。