BiLSTM编码器代码

BiLSTM编码器是一种常用的神经网络模型，用于处理序列数据。它通过双向LSTM（Long Short-Term Memory）层来对输入序列进行编码。以下是一个简单的BiLSTM编码器的代码示例：

import torch
import torch.nn as nn

class BiLSTMEncoder(nn.Module):
    def __init__(self, input_size, hidden_size, num_layers):
        super(BiLSTMEncoder, self).__init__()
        self.hidden_size = hidden_size
        self.num_layers = num_layers
        self.lstm = nn.LSTM(input_size, hidden_size, num_layers, batch_first=True, bidirectional=True)

    def forward(self, x):
        # 初始化隐藏状态和细胞状态
        h0 = torch.zeros(self.num_layers * 2, x.size(0), self.hidden_size).to(x.device)
        c0 = torch.zeros(self.num_layers * 2, x.size(0), self.hidden_size).to(x.device)

        # 前向传播
        out, _ = self.lstm(x, (h0, c0))

        return out

# 创建BiLSTM编码器实例
input_size = 100  # 输入特征维度
hidden_size = 128  # LSTM隐藏层大小
num_layers = 2  # LSTM层数
encoder = BiLSTMEncoder(input_size, hidden_size, num_layers)

# 输入数据
batch_size = 32
seq_length = 10
input_data = torch.randn(batch_size, seq_length, input_size)

# 前向传播
output = encoder(input_data)

上述代码中，`BiLSTMEncoder`类继承自`nn.Module`，并在`__init__`方法中定义了双向LSTM层。在`forward`方法中，通过调用LSTM层对输入序列进行编码，并返回编码后的输出。在示例中，我们创建了一个`BiLSTMEncoder`实例，并对输入数据进行前向传播，得到编码后的输出。