Pytorch学习笔记（五）

最新推荐文章于 2025-06-28 15:59:20 发布

kongshuchen

最新推荐文章于 2025-06-28 15:59:20 发布

阅读量1w

点赞数 2

CC 4.0 BY-SA版权

分类专栏： Pytorch

本文链接：https://blog.youkuaiyun.com/kongshuchen/article/details/72282711

本文是Pytorch学习笔记的第五部分，主要讲解如何在Pytorch中使用LSTM。根据官方文档，Pytorch中RNN输入、隐藏层状态及输出的形状与Tensorflow和Keras有所不同，强调了shape的具体维度配置，并提供了运行示例。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

（9）在Pytorch中使用LSTM
学习Pytorch的RNN使用时最好去官方文档看一下API是如何使用的：（http://pytorch.org/docs/nn.html#recurrent-layers）。一个需要注意的地方是在Pytorch中RNN的输入input的shape的三维分别是 (seq_len, batch, input_size)，隐藏层h_0的shape三维分别是 (num_layers * num_directions, batch, hidden_size)，输出output的shape三维分别是 (seq_len, batch, hidden_size * num_directions)，这与之前使用的Tensorflow和Keras将batch作为第一维有点不太一样。

import torch
import torch.autograd as autograd
import torch.nn as nn
import torch.optim as optim
import torch.nn.functional as F

def prepare_sequence(seq, to_ix):
    idxs = [to_ix[w] for w in seq]
    tensor = torch.LongTensor(idxs)
    return autograd.Variable(tensor)


training_data = [
    ("The dog ate the apple".split(), ["DET", "NN", "V", "DET"