pytorch lst

PyTorch 中的 `nn.Module` 是实现深度学习模型的核心组件，它提供了一种模块化的方式，让你可以构建复杂的神经网络结构。`nn.LSTM` 是 PyTorch 模块库中的一个特定类，全称为 Long Short-Term Memory (LSTM)。LSTM 是一种特殊的循环神经网络 (RNN)，设计用于处理长序列数据，特别适合捕捉时间序列中的长期依赖关系。

LSTM 包含四个门控单元：输入门、遗忘门、输出门和细胞状态更新门，它们允许信息在时间维度上流动的同时控制着新记忆的添加和旧记忆的清除。这使得 LSTM 能够更好地避免梯度消失和梯度爆炸的问题。

在使用 `nn.LSTM` 时，你需要定义输入的形状（例如，批量大小、时间步数和特征维度），并指定隐藏层的大小（通常是一个二维张量，表示隐藏状态的大小）。在训练过程中，你可以通过 `.forward()` 方法将输入传递给模型，得到每个时间步的隐藏状态和 Cell State。

下面是一个简单的例子：

import torch.nn as nn

class SimpleLSTM(nn.Module):
    def __init__(self, input_size, hidden_size, num_layers=1):
        super(SimpleLSTM, self).__init__()
        self.lstm = nn.LSTM(input_size, hidden_size, num_layers)

    def forward(self, x):
        output, (hidden, cell_state) = self.lstm(x)
        return output, hidden, cell_state

# 使用示例
model = SimpleLSTM(100, 256)
input_tensor = torch.randn(64, 30, 100)  # (batch_size, seq_length, input_size)
output, _, _ = model(input_tensor)