PyTorch深度学习实践代码 第十二讲

#引入torch
import torch
#输入的大小是4
input_size = 4
#隐层的大小是4
hidden_size = 4
#层数是1
num_layers = 1
#batch的大小是1
batch_size = 1
#序列长度
seq_len = 5

#字母列表，也叫做字典。
idx2char = ['e','h','l','o']
#x是输入的索引。hello
x_data = [1,0,2,2,3]
#y是输出的索引。ohlol
y_data = [3,1,2,3,2]
#独热向量查询。
one_hot_lookup = [[1,0,0,0],
                  [0,1,0,0],
                  [0,0,1,0],
                  [0,0,0,1]]
#x独热向量是对于x在x_data中，将x做为索引，代入one_hot_lookup中得到该索引的独热向量
x_one_hot = [one_hot_lookup[x] for x in x_data]
#输入是将独热向量变成Tensor，序列的长度，batch的大小，输入的大小
inputs = torch.Tensor(x_one_hot).view(seq_len,batch_size,input_size)
#标签y是长Tensor，
labels = torch.LongTensor(y_data)

#模型继承自Mudule
class Model(torch.nn.Module):
    #初始化,输入，隐藏层，batch的大小，层数是1
    def __init__(self,input_size,hidden_size,batch_size,num_layers=1):
        #父类初始化
        super(Mo