【Pytorch】nn.RNN、nn.LSTM 和 nn.GRU的输入和输出形状

输入形状

通用输入参数

这三个模块通常接收以下两种形式的输入：

• 输入序列：形状为 (seq_len, batch_size, input_size)。
  • seq_len：表示序列的长度，即时间步的数量。例如在处理文本时，它可以是句子的单词数量；在处理时间序列数据时，它可以是时间点的数量。
  • batch_size：表示每次输入的样本数量。在训练模型时，通常会将多个样本组成一个批次进行处理，以提高计算效率。
  • input_size：表示每个时间步输入的特征维度。例如，在处理图像序列时，它可以是图像的特征向量维度；在处理文本时，它可以是词向量的维度。
• 初始隐藏状态：形状为 (num_layers * num_directions, batch_size, hidden_size)。
  • num_layers：表示 RNN 层数。如果设置为多层 RNN，信息会在不同层之间依次传递。
  • num_directions：表示 RNN 的方向数，取值为 1（单向 RNN）或 2（双向 RNN）。双向 RNN 会同时考虑序列的正向和反向信息。
  • hidden_size：表示隐藏层的维度，即每个时间步输出的隐藏状态的特征数量。

特殊情况（LSTM）

对于 nn.LSTM，除了初始隐藏状态外，还需要一个初始细胞状态，其形状与初始隐藏状态相同，即 (num_layers * num_directions, batch_size, hidden_size)。

输出形状

nn.RNN 和 nn.GRU

• 输出序列：形状为 (seq_len, batch_size, num_directions * hidden_size)。它包含了每个时间步的隐藏状态输出，其中 num_directions 取决于 RNN 是否为双向。如果是单向 RNN，num_directions 为 1；如果是双向 RNN，num_directions 为 2，输出的特征维度会翻倍。
• 最终隐藏状态：形状为 (num_layers * num_directions, batch_size, hidden_size)。它表示最后一个时间步的隐藏状态，用于后续的任务，如分类或预测。

nn.LSTM

• 输出序列：形状同样为 (seq_len, batch_size, num_directions * hidden_size)，含义与 nn.RNN 和 nn.GRU 的输出序列类似。
• 最终隐藏状态和细胞状态：最终隐藏状态和细胞状态的形状均为 (num_layers * num_directions, batch_size, hidden_size)。最终隐藏状态和细胞状态一起保存了 LSTM 在最后一个时间步的信息。

代码示例

import torch
import torch.nn as nn# 定义参数
input_size = 10
hidden_size = 20
num_layers = 2
batch_size = 3
seq_len = 5
num_directions = 1  # 单向 RNN# 创建 RNN 模型
rnn = nn.RNN(input_size, hidden_size, num_layers)
# 创建 LSTM 模型
lstm = nn.LSTM(input_size, hidden_size, num_layers)
# 创建 GRU 模型
gru = nn.GRU(input_size, hidden_size, num_layers)# 生成随机输入序列
input_seq = torch.randn(seq_len, batch_size, input_size)
# 初始化隐藏状态
h0 = torch.randn(num_layers * num_directions, batch_size, hidden_size)# 运行 RNN
rnn_output, hn_rnn = rnn(input_seq, h0)
print("RNN 输出序列形状:", rnn_output.shape)
print("RNN 最终隐藏状态形状:", hn_rnn.shape)# 初始化 LSTM 的细胞状态
c0 = torch.randn(num_layers * num_directions, batch_size, hidden_size)
# 运行 LSTM
lstm_output, (hn_lstm, cn_lstm) = lstm(input_seq, (h0, c0))
print("LSTM 输出序列形状:", lstm_output.shape)
print("LSTM 最终隐藏状态形状:", hn_lstm.shape)
print("LSTM 最终细胞状态形状:", cn_lstm.shape)# 运行 GRU
gru_output, hn_gru = gru(input_seq, h0)
print("GRU 输出序列形状:", gru_output.shape)
print("GRU 最终隐藏状态形状:", hn_gru.shape)

在上述代码中，我们定义了输入序列和初始隐藏状态，并分别使用 nn.RNN、nn.LSTM 和 nn.GRU 对输入序列进行处理，最后打印出它们的输出形状，帮助你更好地理解输入输出形状的特点。