rnn的输入
在使用rnn训练数据时,常会面临数据长度不一致的情况,这时我们需要将各个序列pad到固定长度,方便batch并行训练;但是填充后虽然长度相同,但是会有很多无效的填充值,会浪费计算资源
pack_padded_sequence
为了使 RNN 可以高效的读取数据进行训练,就需要在 pad 之后再使用 pack_padded_sequence 对数据进行处理;
input:pad后的序列(由大到小排好序)
需要注意的是,默认条件下,我们必须把输入数据按照序列长度从大到小排列后才能送入 pack_padded_sequence ,否则会报错。
pad_packed_sequence
这个函数实际上是 pack_padded_sequence 函数的逆向操作。就是把压紧的序列再填充回来。
对序列进行填充,填充值一般是0;
packed_input = nn.utils.rnn.pack_padded_sequence(src_emb,src_lens_sort,batch_first=True)
_,final_hidden = self.rnn(packed_input)
#shape:_(batch,seq,hidden*num_direction),hidden:(batch,num_layers*num_direction,hidden)
'''
_实际上是每个时间步拼接后的结果,每个时间步的输出(batch,hidden),层数对其没有影响
hidden是最后一个时间步的输出(batch,hidden),模型如果双向每层就会有两个最终隐藏输出。
'''
out_pad,out_len = nn.utils.rnn.pad_packed_sequence(_,batch_first=True)