了解一个简单的 LSTM pytorch

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。我不知道了解以下内容：

1. 什么是输出大小，为什么没有在任何地方指定？
2. 为什么输入有 3 个维度。 5 和 3 代表什么？
3. h0 和 c0 中的 2 和 3 分别代表什么？

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: matrices expected, got 3D, 2D tensors at

Answer 1

你可以设置

batch_first = 真

如果您想将输入和输出提供为

(batch_size, seq, input_size)

今天才知道，所以分享给大家。

Answer 2

cdo256 的回答几乎是正确的。当提到 hidden_​​size 的含义时，他弄错了。他解释为：

hidden_​​size - 每层 LSTM 块的数量。

但实际上，这里有一个更好的解释：

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”实际上是一组正常的神经网络节点，就像在密集连接的神经网络的每一层中一样。 因此，如果您设置 hidden_​​size = 10，那么您的每个 LSTM 块或单元都将具有包含 10 个节点的神经网络。 您的 LSTM 模型中的 LSTM 块总数将等于您的序列长度。

这可以通过分析nn.LSTM和nn.LSTMCell的例子差异看出：

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

和

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

Answer 3

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 - 每次输入特征的数量-step.
num_layers - 隐藏层数。
总共有hidden_size * num_layers LSTM 块。

输入维度为(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。

隐藏维度和单元格维度为：(num_layers, batch, hidden_size)

输出 (seq_len, batch, hidden_​​size * num_directions)：包含来自RNN最后一层的输出特征(h_t)的张量，每个t。

所以会有hidden_size * num_directions 输出。您没有将 RNN 初始化为双向，所以 num_directions 是 1。所以 output_size = hidden_size。

编辑：您可以使用线性层更改输出数量：

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，我假设我们只讨论非双向 LSTM。

来源：PyTorch docs。