详细理解pytorch的lstm参数

lstm(*input, **kwargs)

将多层长短时记忆(LSTM)神经网络应用于输入序列。

参数:
input_size:输入'x'中预期特性的数量
hidden_size:隐藏状态'h'中的特性数量
num_layers:循环层的数量。例如，设置' ' num_layers=2 ' '意味着将两个LSTM堆叠在一起，形成一个'堆叠的LSTM '，第二个LSTM接收第一个LSTM的输出并计算最终结果。默认值:1
bias:如果' False'，则该层不使用偏置权重' b_ih '和' b_hh '。默认值:'True'
batch_first:如果' 'True ' ',则输入和输出张量作为(batch, seq, feature)提供。默认值: 'False'
dropout:如果非零，则在除最后一层外的每个LSTM层的输出上引入一个“dropout”层，相当于:attr:'dropout'。默认值:0
bidirectional:如果‘True’，则成为双向LSTM。默认值:'False'

输入:input，(h_0, c_0)
**input**of shape (seq_len, batch, input_size):包含输入序列特征的张量。输入也可以是一个压缩的可变长度序列。
see:func:'torch.nn.utils.rnn.pack_padded_sequence' 或:func:'torch.nn.utils.rnn.pack_sequence' 的细节。
**h_0** of shape  (num_layers * num_directions, batch, hidde