如何使用Pytorch-LSTM输出参数

介绍Pytorch-LSTM中的输入输出参数

小编写这篇文章的主要目的，主要是给大家做一个介绍，介绍关于Pytorch-LSTM是如何去输出参数，有哪一些步骤呢？下面小编就以代码和图片给大家做出一个介绍。

如何使用Pytorch-LSTM输出参数

Pytorch-LSTM输入数据（以batch_first=True,双层双向为例）

假如输入数据信息如下：
输入维度为28，batch_first=True,双层双向（num_layers=2，bidirectional=True）

下面是对应的代码：

num_layers=2
bidirectional_set=True
bidirectional=2 if bidirectional_set else 1
input_size=28
hidden_size=4
lstm_seq=nn.LSTM(input_size,hidden_size,num_layers=num_layers,bidirectional=bidirectional_set,batch_first=True)
lstm_input=Variable(torch.randn(10,3,28))
h_init=Variable(torch.randn(num_layers*bidirectional,lstm_input.size(0),hidden_size))
c_init=Variable(torch.randn(num_layers*bidirectional,lstm_input.size(0),hidden_size))
out,(h,c)=lstm_seq(lstm_input,(h_init,c_init))
print(lstm_seq.weight_ih_l0.shape)
print(lstm_seq.weight_hh_l0.shape)
print(out.shape,h.shape,c.shape)

Pytorch-LSTM函数参数解释图解

以下是LSTM函数的部分参数和含义解释：

input_size-输入的特征维度
hidden_size-隐状态的特征维度
num_layers-层数
bias-如果为False，那么LSTM将不会使用偏置，默认为True
batch_first-如果为True，那么输入和输出Tensor的形状为(batch,seq_len,input_size)
dropout-如果非零的话，将会在RNN的输出上加个dropout，最后一层除外
bidirectional-如果为True，将会变成一个双向RNN，默认为False

以下是LSTM函数的输入和输出维度：

输入维度为(seq_len, batch, input_size)（如果batch_first为True，则输入形状为(batch,seq_len,input_size)）
输出维度为(seq_len, batch, hidden_size*num_directions)（num_direction指的是如果是普通LSTM，则为1；Bi-LSTM则为2）

接下来我们用图片对LSTM的函数参数进行详细解释：

如何使用Pytorch-LSTM输出参数