paddlepaddle的LSTM如何写到Sequential中。

为了提高代码复用，需要以子网的形式生成网络成。paddlepaddle生成子网的方法有两种，见官方文档。但类似LSTM这样的网络，没法直接放入Sequential网络，因为LSTM网络的输出是tuple(官方文档)，不能直接传递给下一层网络处理。

这里提供一种解决的思路。

* 新建类，继承LSTM，重新forward函数。

* 在新写的forward函数中调用父类LSTM的forward方法。

* 对父类forward的输出拦截输，进行需要的处理，然后再输出。

例如：

import paddle

#新建自定义类，继承LSTM
class MyLSTM(paddle.nn.LSTM):
    def __init__(self, *args, **kwargs):
        super().__init__(*args, **kwargs)

    def forward(self, inputs):
        output,_ = super().forward(inputs) #调用父类的forward
        return output[:,-1,:] #去输出的最后序列，传给下一层。因为后面一层不是LSTM层。

class T(paddle.nn.Layer):
    def __init__(self):
        super().__init__()
        self.s = paddle.nn.Sequential(
            MyLSTM(5,32), 
            paddle.nn.BatchNorm(32))
    
    def forward(self, inputs):
        return self.s(inputs)

model = T()

paddle.summary(model, (1,20,5))```

---------------------------------------------------------------------------
Layer (type