Pytorch的LSTM参数解释

LSTM总共有7个参数：

1：input_size – 输入数据的大小

2：hidden_size – 隐藏层的大小（即隐藏层节点数量），输出向量的维度等于隐藏节点数

3：num_layers – LSTM 堆叠的层数，默认值是1层，如果设置为2，第二个LSTM接收第一个LSTM的计算结果。也就是第一层输入 [ X0 X1 X2 ... Xt]，计算出 [ h0 h1 h2 ... ht ]，第二层将 [ h0 h1 h2 ... ht ] 作为 [ X0 X1 X2 ... Xt] 输入再次计算，输出最后的 [ h0 h1 h2 ... ht ]。

4：bias– 隐层状态是否带bias，默认为true。bias是偏置值，或者偏移值

5：batch_first– 输入输出的第一维是否为 batch_size，默认值 False

6：dropout– 默认值0。是否在除最后一个 RNN 层外的其他 RNN 层后面加 dropout 层。输入值是 0-1 之间的小数，表示概率。0表示0概率dripout，即不dropout

7：bidirectional– 是否是双向 RNN，默认为：false，若为 true，则：num_directions=2，否则为1。