pytorch-pytorch之LSTM

目录

  • [1. nn.LSTM](#1. nn.LSTM)
  • [2. nn.LSTMCell](#2. nn.LSTMCell)

1. nn.LSTM

初始化函数输入参数与RNN相同,分别是input_size,hidden_size和num_layer

foward函数也与RNN类似,只不过返回值除了out外,ht变为(ht,ct)

代码见下图:

2. nn.LSTMCell

初始化函数输入参数与nn.LSTM类似

forward函数与nn.LSTM的区别是没有out

单层代码如下图:

和RNN的Cell类似,Cell单元循环更新h,c

2层无非就是多创建了一个cell2、h2、c2,并同时循环更新h1,c1,h2,c2,多层以此类推。

相关推荐
网易云信6 分钟前
网易智企IM Web体验馆:一站式在线体验即时通讯
人工智能·后端·aigc
阿里云大数据AI技术16 分钟前
StarRocks x Fluss x Paimon湖流一体方案:构建秒级响应、湖流一体的实时数据引擎
大数据·人工智能
触底反弹1 小时前
🧠 搞懂 Token,才算真正入门大模型——从分词原理到 Embedding 语义实战
javascript·人工智能·算法
网易云信1 小时前
AI 赋能·重构硬件交互:硬件分论坛精彩回顾
人工智能·aigc·线下活动
阿里云大数据AI技术1 小时前
MaxCompute Agentic 工具套件首发:面向所有 Agent 提供标准化数据服务
人工智能·agent
网易云信1 小时前
AI硬件的下一程,这场分论坛给你答案
人工智能·产品
网易云信2 小时前
听说,我们搞了个 AI 编程"电子宠物"?
人工智能·aigc·ai编程
Lion092 小时前
【03】Function Calling:让 LLM 拥有双手
人工智能·ai编程
冬哥聊AI2 小时前
多模态诅咒:给大模型装上眼睛,文本推理为什么反而变笨了?
人工智能
东风破_2 小时前
LLM 是怎么预测下一个词的?从 Token 到 Transformer 的完整过程
人工智能