Question

我有一个解码器模型，该模型应该以成批的句子嵌入（批处理大小= 50，隐藏大小= 300）作为输入并输出一批预测的句子的热表示：

class DecoderLSTMwithBatchSupport(nn.Module):
        # Your code goes here
        def __init__(self, embedding_size,batch_size, hidden_size, output_size):
            super(DecoderLSTMwithBatchSupport, self).__init__()
            self.hidden_size = hidden_size
            self.batch_size = batch_size
            self.lstm = nn.LSTM(input_size=embedding_size,num_layers=1, hidden_size=hidden_size, batch_first=True)
            self.out = nn.Linear(hidden_size, output_size)
            self.softmax = nn.LogSoftmax(dim=1)

        def forward(self, my_input, hidden):
            print(type(my_input), type(hidden))
            output, hidden = self.lstm(my_input, hidden)
            output = self.softmax(self.out(output[0]))
            return output, hidden

        def initHidden(self):
            return Variable(torch.zeros(1, self.batch_size, self.hidden_size)).cuda()

但是，当我使用以下命令运行它时：

decoder=DecoderLSTMwithBatchSupport(vocabularySize,batch_size, 300, vocabularySize)
decoder.cuda()
decoder_input=np.zeros([batch_size,vocabularySize])
    for i in range(batch_size):
        decoder_input[i] = embeddings[SOS_token]
    decoder_input=Variable(torch.from_numpy(decoder_input)).cuda()
    decoder_hidden = (decoder.initHidden(),decoder.initHidden())
        for di in range(target_length):
            decoder_output, decoder_hidden = decoder(decoder_input.view(1,batch_size,-1), decoder_hidden)

我得到他以下错误：

期望隐藏的[0]大小（1、1、300），得到的（1、50、300）

为了使模型期望成批的隐藏状态，我缺少什么？

Answer 1

创建LSTM时，不需要标志batch_first，因为它假定您输入的形状不同。从文档中：

如果为True，则输入和输出张量以（batch， seq，功能）。默认值：False

将LSTM创建更改为：

self.lstm = nn.LSTM(input_size=embedding_size, num_layers=1, hidden_size=hidden_size)

此外，还有类型错误。使用decoder_input创建torch.from_numpy()时，它具有一个dtype=torch.float64，而decoder_input具有默认的dtype=torch.float32。将创建decoder_input的行更改为

decoder_input = Variable(torch.from_numpy(decoder_input)).cuda().float()

这两项都可以正常工作：）

Answer 2

更改.view（）以将[1，batch size，embedding_size]反映为第一维。

此外，您无需初始化零张量，如果未提供张量作为初始张量，则pytorch将使用零张量。

LSTM的预期隐藏状态尺寸未考虑批次大小

2 个答案: