RNN-torch.nn.RNN

RNN-torch.nn.RNN

RNN的本质就是就是:hidden = tanh(linear([input+hidden]))

调用pytorch的nn.RNN接口,只需要明确一点,input的默认形状是[seqlength, batchsize, feature_size], hidden的形状是[num_layers, batch_size, hidden_size]。返回两个结果:所有hidden(如果num_layers>1,就返回所有hidden[-1]), 以及最后一个hidden。

import torch
import torch.nn as nn

input = torch.randn(5, 3, 10) # seq_length=5, batch_size=3, feature_size=10
hidden0 = torch.randn(2, 3, 20) # num_layers=2, batch_size=3, hidden_size=20

rnn = nn.RNN(input_size=10, hidden_size=20, num_layers=2)
all_hidden, last_hidden = rnn(input, hidden0) 
print(all_hidden.size()) # [5, 3, 20] [seq_length, batch_size, hidden_size]]
print(last_hidden.size()) # [2, 3, 20] [num_layers, batch_size, hidden_size]
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值