pytorch最后的nn.Linear（）有什么作用，为什么有必要？

Question

我正在使用一些训练lstm生成序列的代码。训练模型后，将调用lstm（）方法：

x = some_input
lstm_output, (h_n, c_n) = lstm(x, hc) 
funcc = nn.Linear(in_features=lstm_num_hidden,
                  output_features=vocab_size,
                  bias=True)
func_output = func(lstm_output)

我看过nn.Linear()的文档，但我仍然不了解此转换正在做什么以及为什么有必要。如果lstm已经过训练，那么它给出的输出应该已经具有预先确定的维度。此输出（lstm_output）将是生成的序列，或者在我的情况下是向量数组。我在这里想念东西吗？

Answer 1

在这里，线性层将LSTM产生的隐藏状态表示（lstm_output）转换为大小vocab_size的向量。您的理解也许是错误的。 Linear层应与LSTM一起接受培训。

我猜您正在尝试生成标记（单词）序列，因此应该在Linear层后面进行Softmax操作，以预测词汇表上的概率分布。