Pytorch中的LSTM详细代码解读

Pytorch中的LSTM详细代码解读⼩⽩撸代码

import torch

as nn筛板塔精馏实验

functional as F

import torch.optim as optim

torch.manual_seed(1)

lstm = nn.LSTM(3,3)#输⼊dim = 3 输出dim = 3 格式是输⼊的是3列隐藏层数也是3列

#print(lstm)

湖南卫视成人礼#输⼊

inputs =[torch.randn(1,3)for _ in range(5)]#序列长度为5 1⾏3列的张量；3列是LSTM输⼊的3列

#print(inputs)

#初始化隐层状态

云母板hidden =(torch.randn(1,1,3),#;1⼤⾏2⼤列矩阵，每⼤列矩阵是1⾏3列

torch.randn(1,1,3))

#print(hidden)

for i in inputs:

#print(i ,"================")

数字频率计设计

#print(i.view(1,1,-1),"+++++++++++")

能源污染#⼀步⼀个元素地通过序列。

#在每⼀步之后，隐藏层包含了隐藏的状态

#输出在view中1个矩阵1⾏-1是每个矩阵的所有元素

#print(hidden,"~~~~~~~~~~~~~~~~~~")

out, hidden = lstm(i.view(1,1,-1),hidden)

#print(out,"$$$$$$$$$$$$$$$$$$$$$")

#view 返回⼀个有相同数据但⼤⼩不同的tensor。

#返回的tensor必须与原tensor相同的数据和相同数⽬的元素，但可以有不同的⼤⼩。

inputs = torch.cat(inputs).view(len(inputs),1,-1)

#print(len(inputs))

hidden =(torch.randn(1,1,3),torch.randn(1,1,3))#清理hidden状态

回来我的爱阳一#输出

out,hidden =lstm(inputs ,hidden)

#print(out)

#print(hidden)

本文发布于:2024-09-20 23:39:23，感谢您对本站的认可！

标签：隐藏序列元素状态精馏频率计解读能源

留言与评论（共有 0 条评论）