如何表示 PyTorch LSTM 3D 张量？答案

【问题标题】：How do I represent a PyTorch LSTM 3D Tensor?如何表示 PyTorch LSTM 3D 张量？
【发布时间】：2020-05-26 09:17:00
【问题描述】：

根据the docs，我看到Pytorch’s LSTM expects all of its inputs to be 3D tensors. 我正在尝试做一个简单的序列到序列LSTM，我有：

class BaselineLSTM(nn.Module):
    def __init__(self):
        super(BaselineLSTM, self).__init__()

        self.lstm = nn.LSTM(input_size=100, hidden_size=100)

    def forward(self, x):
        print('x', x)
        x = self.lstm(x)

        return x

我的x.size() 是torch.Size([100, 1])。我希望以某种方式需要第三个维度，但我不确定它的实际含义。任何帮助将不胜感激。

【问题讨论】：

标签： python pytorch lstm tensor

【解决方案1】：

thisPytorch 文档中的Inputs: input, (h_0, c_0)部分进一步详细说明了输入形状。输入张量的第一维预计对应序列长度，第二维对应批量大小，第三维对应输入大小。

因此，对于您的示例，输入张量 x 实际上的大小应为 (seq_length, batch_size, 100)。

这里是 Pytorch 论坛上的详细帖子以获取更多详细信息：https://discuss.pytorch.org/t/why-3d-input-tensors-in-lstm/4455/9

【讨论】：