标签：负荷 batch 单词 pytorch input LSTM size

LSTM pytorch官网api

 我们首先看一下参数：

 LSTM的两个常见的应用场景为文本处理和时序预测，因此下面对一些参数我都会从这两个方面来进行具体解释。

• input_size：
  • 在文本处理中，由于一个单词没法参与运算，因此我们得通过Word2Vec来对单词进行嵌入表示，将每一个单词表示成一个向量，此时input_size=embedding_size。比如每个句子中有五个单词，每个单词用一个100维向量来表示，那么这里input_size=100；
  • 在时间序列预测中，比如需要预测负荷，每一个负荷都是一个单独的值，都可以直接参与运算，因此并不需要将每一个负荷表示成一个向量，此时input_size=1。 但如果我们使用多变量进行预测，比如我们利用前24小时每一时刻的[负荷、风速、温度、压强、湿度、天气、节假日信息]来预测下一时刻的负荷，那么此时input_size=7。
• batch_first：默认为False，由于大家普遍使用PyTorch的DataLoader来形成批量数据，因此batch_first也比较重要。

我们再看一下LSTM的输入，

可以看到，输入由两部分组成：input、(初始的隐状态h_0，初始的单元内部状态c_0)

input(seq_len, batch_size, input_size)

• seq_len：
  • 在文本处理中，如果一个句子有7个单词，则seq_len=7；
  • 在时间序列预测中，假设我们用前24个小时的负荷来预测下一时刻负荷，则seq_len=24。
• batch_size：一次性输入LSTM中的样本个数。在文本处理中，可以一次性输入很多个句子；在时间序列预测中，也可以一次性输入很多条数据。

h_0(num_directions * num_layers, batch_size, hidden_size)
c_0(num_directions * num_layers, batch_size, hidden_size)

h_0和c_0的shape一致。

标签：负荷,batch,单词,pytorch,input,LSTM,size
来源： https://www.cnblogs.com/zjuhaohaoxuexi/p/16675957.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。