文本分类_acc分数异常

在照搬别人的参数时候，nn.LSMT中有一个参数，batch_first，对它设置了True，于是分数直接下降了70个点。查阅过之后，发现是nn.LSTM中的batch_first是指它接受输入时，会将第一维的位置，认为是batch。为了验证写了一个小例子。
为了方便观察，设置了batch为4，句子最长长度为11

读入数据

file_path="E:/study_series/2020_3_data/data/corpus/"
train_iter, valid_iter, test_iter,TEXT=generate_data(file_path)
a=list(train_iter)

如下图所示，为读入的一个批次样本

LSTM batch_first

import torch 
import torch.nn as nn
import random
random.seed(1)
torch.manual_seed(1)

vocab=4000
emb_dim=768
embedding=nn.Embedding(vocab,emb_dim)
print(embedding)

## 定义LSTM
hidden_dim=64
lstm=nn.LSTM(emb_dim, hidden_dim,batch_first=False)
#lstm=nn.LSTM(emb_dim, hidden_dim)
## 数据过一层embedding
embedding_data=embedding(a[0].context.cpu())
print(embedding_data.shape)
## 上一层的输入再过lstm
lstm_data,_=lstm(embedding_data)
print(lstm_data.shape)
print(lstm_data[:,-1,:])

代码调试发现，batch_first的值会对最后结构有很大的不同。猜测是对数据的结构进行了不同的理解。