在PyTorch的nn.Linear中，权重矩阵的形状为(out_features, in_features)。这是因为线性变换的实现方式为：

具体来说：

1. 当创建nn.Linear(10, 60)时，in_features=10，out_features=60，因此权重的形状是(60, 10)。
2. 输入张量t的形状为(2, 5, 10)，与转置后的权重a.weight.T（形状(10, 60)）相乘时，实际计算为：
   [
   t \in \mathbb{R}^{2 \times 5 \times 10}, \quad a.weight^\top \in \mathbb{R}^{10 \times 60} \implies t \ @ \ a.weight^\top \in \mathbb{R}^{2 \times 5 \times 60}
   ]
   这与直接调用a(t)的结果一致。

因此，a.weight的shape是(60, 10)，而非(10, 60)，这是PyTorch的设计约定，确保矩阵乘法能正确匹配输入和输出的维度。