#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
PyTorch深度学习实践代码 第十二讲
最新推荐文章于 2022-11-13 20:44:57 发布