fc

全连接层

该OP将在神经网络中构建一个全连接层。其输入可以是一个Tensor（或LoDTensor）或多个Tensor（或LoDTensor）组成的list（详见参数说明），该OP会为每个输入的Tensor创建一个权重（weights）变量，即一个从每个输入单元到每个输出单元的全连接权重矩阵。FC层将每个输入Tensor和其对应的权重(weights)相乘得到shape为

输出Tensor，其中 M 为batch_size大小。如果有多个输入Tensor，则多个shape为

的Tensor计算结果会被累加起来，作为最终输出。如果 bias_attr 非空，则会创建一个偏置变量（bias variable），并把它累加到输出结果中。如果 act 非空，将会在输出结果上应用相应的激活函数。

当输入为单个Tensor（或LoDTensor）：

当输入为多个Tensor（或LoDTensor）组成的list时：

上述等式中：

• ：输入的数目，如果输入是Tensor列表，N等于len(input)

• 

• ：对应第i个输入张量的第i个权重矩阵

• 

  ：该层创建的bias参数

• ：activation function(激活函数)

• 

  ：输出Tensor

参数:

• input (Variable|list of Variable) – 维度为

  的多维Tensor（或LoDTensor）或由多个Tensor（或LoDTensor）组成的list，输入Tensor的shape至少是2。数据类型为float32或float64。

• num_flatten_dims (int) – 输入可以接受维度大于2的Tensor。在计算时，输入首先会被扁平化（flatten）为一个二维矩阵，之后再与权重(weights)相乘。参数 num_flatten_dims 决定了输入Tensor的flatten方式: 前 (包含边界，从1开始数) 个维度会被扁平化为二维矩阵的第一维 (即为矩阵的高), 剩下的

  维被扁平化为二维矩阵的第二维 (即矩阵的宽)。 例如， 假设X是一个五维的Tensor，其shape为(2, 3, 4, 5, 6), 若

  

  ，则扁平化的矩阵shape为：

  ，最终输出Tensor的shape为

  

  。默认为1。

• param_attr (ParamAttr) – 指定权重参数属性的对象。默认值为None，表示使用默认的权重参数属性。具体用法请参见 ParamAttr 。

• bias_attr (ParamAttr) – 指定偏置参数属性的对象。默认值为None，表示使用默认的偏置参数属性。具体用法请参见 。

• act (str) – 应用于输出上的激活函数，如tanh、softmax、sigmoid，relu等，支持列表请参考 激活函数 ，默认值为None。

• name (str，可选) – 具体用法请参见 ，一般无需设置，默认值为None。

返回：经过全连接层计算后的Tensor或LoDTensor，数据类型与input类型一致。

返回类型: Variable

弹出异常：ValueError - 如果输入Tensor（或LoDTensor）的维度小于2

 import paddle.fluid as fluid
 # 当输入为单个张量时
fc = fluid.layers.fc(input=data, size=1000, act="tanh")
# 当输入为多个张量时
data_1 = fluid.layers.data(name="data_1", shape=[32, 32], dtype="float32")
fc = fluid.layers.fc(input=[data_1, data_2], size=1000, act="tanh")