pytorch中RNN参数

放几个官方的图片：

输入

RNN中的参数必须要的是input_size和hidden_size

首先看input_size
input_size的维度是(seq_len, batch_size, input_dim)

1. seq_len：输入的序列长度，比如我爱中国，这就是4
2. batch_size：一轮处理多少个样本
3. inpu_dim:每一个单词的维度

在看hidden_size

hidden_size的维度是(num_layers * directions, batch_size, hidden_dim)，这个是为每一层提供一个初始的$h_0$（不懂的去看看RNN的结构）

1. num_layers * directions:很明显，后面的那个参数是单向还是双向，如果是单向，当然是有多少层就需要提供多少个初始$h_0$
2. batch_size:和上面一样，不说了
3. hidden_dim：隐藏层的节点数

输出

共有两个输出，一个是output，一个是hidden

先看output

output的维度是(seq_len, batch_size, hidden_dim * directions)

1. seq_len：输入几个单词，输出几个单词
2. batch_size；---------
3. hidden_dim*directions：这里我也不太明白，为什么output的维度要和hidden的维度一样，我在运行RNN的时候，并没有发现从hidden到output的权重矩阵，所以一样也是正常的，但是为什么会没有从hidden到output的权重矩阵呢，我也霸知道

再看 hidden

hidden的维度是(num_layers * directions, batch_size, hidden_dim)，这个和输入时候的初始$h_0$一样，霸说了