1. LSTM
-
長短期記憶網絡,主要用於做序列建模用
-
原理
-
主要參數
- batch_first:多gpu訓練時要設置爲True
- bidirectional: True表示雙向
- input_size: 序列的特徵維度
- hidden_size:隱含層的特徵維度
-
使用
>>> rnn = nn.LSTM(10, 20, 2)
>>> input = torch.randn(5, 3, 10) # seq, batch, features
>>> h0 = torch.randn(2, 3, 20)
>>> c0 = torch.randn(2, 3, 20)
>>> output, (hn, cn) = rnn(input, (h0, c0))
- 說明
- 一般在使用的時候都是省略了h,c。h是t時刻的隱藏狀態,c是t時刻的單元格狀態
- 注意: 多GPU訓練的時候,需要將batch放到最前面
2. GRU
-
同樣也是主要用於序列建模
-
原理
-
主要參數
- 主要就是初始化和輸入時
-
使用
>>> rnn = nn.GRU(10, 20, 2)
>>> input = torch.randn(5, 3, 10)
>>> h0 = torch.randn(2, 3, 20)
>>> output, hn = rnn(input, h0)
- 注意
- h0 的特徵shape是固定的(num_layers*num_directions, batch, hidden_size)