博客

CNN:

对于torch.nn.Conv2d()来说，输入的数据需要是4维的，即

[batch_size，channel，image_x，iamge_y]

如果每次输入一个图像的话通道就是1

pg.CNN的第一层是

torch.nn.Conv2d(1,64)

说明输出通道是64

LSTM:

(seq_len, batch, input_size)

其中：

seq_len表示的是句子的长度

batch表示的是一次往LSTM中输入句子的数目

input_size表示的是输入的维度

LSTM的输出维度：

在LSTM中，hidden_size表示的是隐藏状态h的维度，也就是LSTM的输出维度。

LSTM的输出为outputs,(h_n,c_n)，

其中outputs表示的是最后一层隐藏层各Cell对应的隐藏状态，

h_n表示的是各隐藏层的最后一个时间步对应的隐藏状态，

c_n表示的是各隐藏层的最后一个时间步对应的细胞状态。

如果输入的数据为（3，4，2），即数据长度为3，batch为4，数据维度为2，hidden_size为10：

则outputs的维度为（3，4，10）

h_n的维度为(1，4，10)

c_n的维度为（1，4，10）