nn.LSTM函数在batchs / seq_len中的行为如何？

Question

我目前正在学习将nn.LSTM与pytorch结合使用，不得不询问该功能的工作原理。

基本上，我正在尝试填充数据集矩阵（M x N）。 由于数据集是矩阵，因此我想使用 Dataloader （utils.data.Dataset）将数据集递归地（作为时间步长）输入LSTM网络。

我感到困惑的是输入（seq_len，batch，input_size）的大小

让我说我的data_loader的批次大小为10。 为了生成正确格式的train_loader，我必须将（M x N）的先前大小更改为包括sequence_length的大小，该大小可以简单地转换为（M / seq_len，seq_len，N）。

然后我的nn.LSTM的输入大小如下： （M / seq_len / batch_size，seq_len，N）

所以，我的主要问题是：

1. 如果我将此数据大小输入LSTM模型nn.LSTM（N，hidden_​​size）， LSTM模型已经在整个批次中进行递归前馈了吗？

2. 我也对seq_len感到困惑，而seq_len> 1时，输出将获得seq_len的尺寸。 这是否意味着输出包含序列的递归操作？

我不确定我是否已将问题弄清楚了，但我的理解已被弄得一团糟..大声笑 希望有人可以帮助我组织正确的理解。

Answer 1

1. 是的，前提是每个样本的序列长度都相同（这里似乎是这种情况）。如果不是，则必须使用torch.nn.utils.rnn.pad_sequence进行填充。

2. 是的，LSTM扩展到每个时间步，并且已经为每个时间步输出了。因此，您不必将其分别应用于每个元素。