Question

import torch,ipdb
import torch.autograd as autograd
import torch.nn as nn
import torch.nn.functional as F
import torch.optim as optim
from torch.autograd import Variable

rnn = nn.LSTM(input_size=10, hidden_size=20, num_layers=2)
input = Variable(torch.randn(5, 3, 10))
h0 = Variable(torch.randn(2, 3, 20))
c0 = Variable(torch.randn(2, 3, 20))
output, hn = rnn(input, (h0, c0))

这是文档中的LSTM示例。我不明白以下事项：

什么是输出尺寸，为什么没有在任何地方指定？
为什么输入有3个维度。 5和3代表什么？
h0和c0中的2和3是什么，这些代表什么？

编辑：

import torch,ipdb
import torch.autograd as autograd
import torch.nn as nn
import torch.nn.functional as F
import torch.optim as optim
from torch.autograd import Variable
import torch.nn.functional as F

num_layers=3
num_hyperparams=4
batch = 1
hidden_size = 20
rnn = nn.LSTM(input_size=num_hyperparams, hidden_size=hidden_size, num_layers=num_layers)

input = Variable(torch.randn(1, batch, num_hyperparams)) # (seq_len, batch, input_size)
h0 = Variable(torch.randn(num_layers, batch, hidden_size)) # (num_layers, batch, hidden_size)
c0 = Variable(torch.randn(num_layers, batch, hidden_size))
output, hn = rnn(input, (h0, c0))
affine1 = nn.Linear(hidden_size, num_hyperparams)

ipdb.set_trace()
print output.size()
print h0.size()

*** RuntimeError：预期的矩阵，
获得3D，2D张量

Answer 1

LSTM的输出是最后一层上所有隐藏节点的输出 hidden_size - 每层LSTM块的数量 input_size - 每个时间步的输入要素数 num_layers - 隐藏图层的数量总共有hidden_size * num_layers个LSTM块。

输入尺寸为(seq_len, batch, input_size) seq_len - 每个输入流中的时间步数 batch - 每批输入序列的大小。

隐藏和单元格尺寸为：(num_layers, batch, hidden_size)

输出（seq_len，batch，hidden_size * num_directions）：包含来自RNN最后一层的输出要素（h_t）的张量，每个t。

因此会有hidden_size * num_directions个输出。您没有将RNN初始化为双向，因此num_directions为1.所以output_size = hidden_size。

编辑：您可以使用线性图层更改输出数量：

out_rnn, hn = rnn(input, (h0, c0))
lin = nn.Linear(hidden_size, output_size)
v1 = nn.View(seq_len*batch, hidden_size)
v2 = nn.View(seq_len, batch, output_size)
output = v2(lin(v1(out_rnn)))

注意：对于这个答案，我认为我们只讨论非双向LSTM。

来源：PyTorch docs。

Answer 2

通过cdo256回答几乎是正确的。在提到hidden_size的含义时，他错了。他将其解释为：

hidden_size - 每层LSTM块的数量。

但实际上，这是一个更好的解释：

单元格中的每个sigmoid，tanh或隐藏状态层实际上是一组节点，其数量等于隐藏层大小。因此，LSTM单元中的每个“节点”实际上是正常神经网络节点的集群，如在密集连接的神经网络的每一层中。因此，如果设置hidden_size = 10，那么每个LSTM块或单元将具有神经网络，其中包含10个节点。 LSTM模型中LSTM块的总数将等于序列长度的总数。

通过分析nn.LSTM和nn.LSTMCell之间的例子差异可以看出这一点：

https://pytorch.org/docs/stable/nn.html#torch.nn.LSTM

和

https://pytorch.org/docs/stable/nn.html#torch.nn.LSTMCell

Answer 3

您可以设置

batch_first = True

如果您想以

的形式提供输入和输出

（batch_size，seq，input_size）

我今天知道了，所以和你分享。

理解一个简单的LSTM pytorch

3 个答案: