LSTM()函数
输入参数
参数有input_size, hidden_size, num_layers, bias, batch_first, dropout, bidrectional....常用的就是Input_size就是输入的大小,一般就是多维度的最后一个维度的值。
hidden_size 是输出的维度,也是指输出数据的维度的最后一个维度的大小。...举个例子:对于自然语言处理,(50, 64, 10) 一次处理的数据有:64句话,每句话有50个字,每个字用10个数字表示。
输入值
包含两个值:维度为前面定义大小的张量和一个元组。...输出
结果包含:output, (h_n, c_n)
output的维度:除了最后一个维度外前面的维度和输入的唯独相同,大小为(序列长度,批量大小,方向数 * 隐藏层大小)
如果是单向lstm,最后一个维度是输入参数里边的...如果是双向的,最后一个维度是输入参数里边hidden_size的两倍.
h_n和c_n包含的是句子的最后一个时间步的隐藏状态和细胞状态,维度也相同,是:(隐藏层数 * 方向数, 批量大小,隐藏层大小)