PyTorch中的Linear函数用于定义线性层，可以将输入数据的大小映射到输出数据的大小。它是PyTorch中的一个神经网络模块，可以通过实例化torch.nn.Linear类来使用。
以下是一个使用Linear函数的示例：
import torch
import torch.nn as nn
# 定义输入数据的大小和输出数据的大小
input_size = 10
output_size = 5
# 实例化Linear函数
linear_layer = nn.Linear(input_size, output_size)
# 生成随机输入数据
input_data = torch.randn(1, input_size)
# 使用Linear函数进行前向传播
output_data = linear_layer(input_data)
print(output_data)
在上述示例中，我们首先定义了输入数据的大小为10，输出数据的大小为5。然后实例化了一个Linear函数对象linear_layer，该对象将输入数据的大小映射到输出数据的大小。接下来，我们生成了一个随机的1x10大小的输入数据input_data，并通过调用linear_layer对象进行前向传播，得到了输出数据output_data。
此外，Linear函数还有一些其他可选参数，例如是否使用偏置项（bias）等，可以通过修改实例化nn.Linear类时的参数来设置这些选项。具体可参考PyTorch官方文档中关于Linear函数的说明。
