第N6周：seq2seq翻译实战-Pytorch复现

• 🍨 本文为🔗365天深度学习训练营中的学习记录博客
• 🍖 原作者：K同学啊|接辅导、项目定制

一、课题背景和开发环境

📌第N6周：seq2seq翻译实战-Pytorch复现📌

• Python 3.8.12
• numpy==1.21.5 -> 1.24.3
• pytorch==1.8.1+cu111

📌本周任务：📌

• 结合训练中N5周的内容理解本文代码

二、代码

由于本人在第N5周已实现过基本代码，这次就只重写我自己代码和 @K同学啊|接辅导、项目定制 提供的代码中有差异的部分。

1. 解码器

class DecoderRNN(nn.Module):
    # output_size为输出语言包含的所有单词数
    def __init__(self, hidden_size, output_size):
        super(DecoderRNN, self).__init__()
        self.hidden_size = hidden_size
        self.output_size = output_size
        self.embedding = nn.Embedding(self.output_size, self.hidden_size)
        self.gru = nn.GRU(self.hidden_size, self.hidden_size)
        self.out = nn.Linear(self.hidden_size, self.output_size) # 把hidden_size个特征转换成输出语言的词汇个数
        self.softmax = nn.LogSoftmax(dim=1)
    
    # x为每步输入，hidden为上一步结果，encoder_outputs编码的状态矩阵计算的值是各词出现的概率
    def forward(self, x, hidden):
        output         = self.embedding(x).view(1, 1, -1)
        output         = F.relu(output)
        output, hidden = self.gru(output, hidden)
        output         = self.softmax(self.out(output[0]))
        return output, hidden
    
    def initHidden(self):
        result = torch.zeros(1, 1, self.hidden_size, device=device)
        return result