我想知道在这种情况下如何将参数放在 nn.LSTM 中答案

【问题标题】：I wonder how to put the parameters in nn.LSTM in this situation我想知道在这种情况下如何将参数放在 nn.LSTM 中
【发布时间】：2021-01-19 09:31:47
【问题描述】：

我想说我不熟悉英语。

您好，我最近正在使用 nn.LSTM 构建 LSTM 层。

我想要做的是使用 48*7=336 个连续输入来预测接下来的 48 个值。
这里将使用预处理的数据框。它有 384 列 (=336+48) 和 457068 行 (=929x492)。
总之，有929个客户，每个客户有492个序列数据，长度为384(=336+48)

customerID	col1	col2	...	col380
1	data_{1,1}	data_{1,2}	...	data_{1,380}
1	data_{2,1}	data_{2,2}	...	data_{2,380}
...	...	...	...	...
1	data_{492,1}	data_{492,2}	...	data_{492,380}
2	data_{493,1}	data_{493,2}	...	data_{493,380}
...	...	...	...	...
929	data_{4670687,1}	data_{4670687,2}	...	data_{4670687,380}
929	data_{4670688,1}	data_{4670688,2}	...	data_{4670688,380}

这里，nn.LSTM 的 3 个参数：(input_size, hidden_size, num_layers)
输入张量也有 3 个维度：(seq_len, batch, input_size)\

在这种情况下，请告诉我如何输入上述参数。我将使用 num_layers=2。
谢谢。

【问题讨论】：

【解决方案1】：

嗯，在 LSTM 的 3 个参数中，input_size 将与您输入张量中的 input_size 相同，这里是 336。

hidden_size 可以是你想要的任何数字，它基本上是你想要学习的节点或特征的数量。数字越高，模型在每次训练迭代中对数据的了解就越多。这主要取决于您的任务对模型的难度，尽管您不希望它变得不必要地大。

由于您选择了num_layers=2，您可以像这样定义 LSTM：

# Using hidden_size=256, which could be any number you want
nn.LSTM(input_size=336, hidden_size=256, num_layers=2)

【讨论】：