RNN代码解释pytorch

简述

还是跟之前的CNN一样，都是学于莫烦Python的。

解释

• 关于数据导入部分的代码含义，其实跟之前的CNN几乎完全一致。
• 而且还需要部分的源代码–MNIST（在之前的地方有超链接）
• 这些都可以在下面的CNN的链接中看到
• 卷积神经网络CNN入门【pytorch学习】

模型含义

这里使用RNN，这是跟之前的CNN唯一的不同的地方，其他的都是完全一致的。

class RNN(nn.Module):
    def __init__(self):
        super(RNN, self).__init__()
        self.rnn = nn.LSTM(
            input_size=28,
            hidden_size=64,
            num_layers=1,
            batch_first=True
        )
        self.out = nn.Linear(64, 10)  # fully connected layer, output 10 classes

    def forward(self, x):
        r_out, (h_n, h_c) = self.rnn(x, None)  # None 表示 hidden state 会用全0的 state
        # r_out = [BATCH_SIZE, input_size, hidden_size]
        # r_out[:, -1, :] = [BATCH_SIZE, hidden_size]  '-1'，表示选取最后一个时间点的 r_out 输出
        out = self.out(r_out[:, -1, :])
        # out = [BATCH_SIZE, 10]
        return out


rnn