参数¶

• x (Tensor|list of Tensor) – 一个多维Tensor或由多个Tensor组成的list，每个输入Tensor的维度至少是2。数据类型可以为float16，float32或float64。

• size (int) – 全连接层输出单元的数目，即输出Tensor的特征维度。

• 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为一个二维矩阵，之后再与权重相乘。参数 num_flatten_dims 决定了输入Tensor扁平化的方式: 前 \(num\_flatten\_dims\) (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 \(rank(x) - num\_flatten\_dims\) 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，其形状为 \([2, 3, 4, 5, 6]\) ， num_flatten_dims = 3时扁平化后的矩阵形状为 \([2 * 3 * 4, 5 * 6] = [24, 30]\) ，最终输出Tensor的形状为 \([2, 3, 4, size]\) 。默认值为1。

• weight_attr (ParamAttr, 可选) – 指定权重参数的属性。默认值为None，表示使用默认的权重参数属性，将权重参数初始化为0。具体用法请参见 ParamAttr 。

• bias_attr (ParamAttr|bool, 可选) – 指定偏置参数的属性。bias_attr 为bool类型且设置为False时，表示不会为该层添加偏置。 bias_attr 如果设置为True或者None，则表示使用默认的偏置参数属性，将偏置参数初始化为0。具体用法请参见 ParamAttr 。默认值为None。

• activation (str, 可选) – 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 Name ，一般无需设置，默认值为None。

返回¶

Tensor，形状为 \([batch\_size, *, size]\) ，数据类型与输入Tensor相同。

抛出异常¶

• \(ValueError\) - 如果输入Tensor的维度小于2

代码示例¶

import paddle
paddle.enable_static()

# When input is a single tensor
x = paddle.static.data(name="x", shape=[1, 2, 2], dtype="float32")
# x: [[[0.1 0.2]
#      [0.3 0.4]]]
out = paddle.static.nn.fc(
    x=x,
    size=1,
    num_flatten_dims=2,
    weight_attr=paddle.ParamAttr(initializer=paddle.nn.initializer.Constant(value=0.5)),
    bias_attr=paddle.ParamAttr(initializer=paddle.nn.initializer.Constant(value=1.0)))
# out: [[[1.15]
#        [1.35]]]

# When input is multiple tensors
x0 = paddle.static.data(name="x0", shape=[1, 2, 2], dtype="float32")
# x0: [[[0.1 0.2]
#       [0.3 0.4]]]
x1 = paddle.static.data(name="x1", shape=[1, 1, 3], dtype="float32")
# x1: [[[0.1 0.2 0.3]]]
out = paddle.static.nn.fc(
    x=[x0, x1],
    size=2,
    weight_attr=paddle.ParamAttr(initializer=paddle.nn.initializer.Constant(value=0.5)),
    bias_attr=paddle.ParamAttr(initializer=paddle.nn.initializer.Constant(value=1.0)))
# out: [[1.8 1.8]]