Pytorch中nn.LSTM与nn.LSTMCell

class torch.nn.LSTM(*args, **kwargs)

对输入序列的每个元素，LSTM的每层都会执行以下计算：

$h_t$是时刻$t$的隐状态,$c_t$是时刻$t$的细胞状态，$x_t$是上一层的在时刻$t$的隐状态或者是第一层在时刻$t$的输入。$i_t,f_t,g_t,o_t$ 分别代表 输入门，遗忘门，细胞和输出门。

参数说明:

• input_size – 输入的特征维度，（特征向量的长度，如2048）
  hidden_size – 隐状态的特征维度,（每个LSTM单元或者时间步的输出的ht的维度，单元内部有权重与偏差计算）
  num_layers – 层数（和时序展开要区分开）, RNN层的个数（在竖直方向堆叠的多个相同个数单元的层数）
  bias – 如果为False，那么LSTM将不会使用$b_{ih},$