深度学习--LSTM网络、使用方法、实战情感分类问题

1.LSTM基础

长短期记忆网络（Long Short-Term Memory，简称LSTM），是RNN的一种，为了解决RNN存在长期依赖问题而设计出来的。

LSTM的基本结构：

2.LSTM的具体说明

LSTM与RNN的结构相比，在参数更新的过程中，增加了三个门，由左到右分别是遗忘门（也称记忆门）、输入门、输出门。

图片来源：

LSTM的工作原理究竟是什么？深入了解LSTM-电子发烧友网

1.点乘操作决定多少信息可以传送过去，当为0时，不传送；当为1时，全部传送。

2.1 遗忘门

对于输入xt和ht-1，遗忘门会输出一个值域为[0, 1]的数字，放进Ct−1中。当为0时，全部删除；当为1时，全部保留。

2.2 输入门

对于对于输入xt和ht-1，输入门会选择信息的去留，并且通过tanh激活函数更新临时Ct

通过遗忘门和输入门输出累加，更新最终的Ct

2.3输出门

通过Ct和输出门，更新memory

3.PyTorch的LSTM使用方法

1. __ init __(input _ size, hidden_size,num _layers)

2. LSTM.foward():

​ out,[ht,ct] = lstm(x,[ht-1,ct-1])

​ x:[一句话单词数，batch几句话，表示的维度]

​ h/c:[层数，batch，记忆(参数)的维度]

​ out:[一句话单词数，batch，参数的维度]

	import torch
	import torch.nn as nn
	lstm = nn.LSTM(input_size = 100,hidden_size = 20,num_l