nn.LSTM各项参数详解

`nn.LSTM`模块在PyTorch中用于实现长短期记忆网络（LSTM），它有多个关键参数。以下是其主要参数的详细解释：

1. `input_size` (int): 输入序列的维度。如果你的数据是一维向量，这通常是1。

2. `hidden_size` (int): LSTM单元的隐藏状态大小。这是模型学习内部表示的容量。

3. `num_layers` (int, default=1): LSTM层的数量。多层LSTM可以增加模型的深度。

4. `bias` (bool, optional): 是否在内部权重矩阵上添加偏置项，默认为True。

5. `batch_first` (bool, default=True): 如果为True，则输入和输出的时间维度位于第一个位置（形状(batch, seq_len, input_size)），反之则为(seq_len, batch, input_size)。

6. `dropout` (float, optional): 在时间步之间丢弃某些神经元的概率，以防止过拟合。如果设置为None，则不应用dropout。

7. `bidirectional` (bool, optional): 如果为True，会创建一个双向LSTM，即同时考虑正向和反向的输入序列。

8. `dropout_state` (float, optional): 只在门控部分应用dropout，应用于细胞状态。默认与dropout相同。

9. `recurrent_dropout` (float, optional): 只在循环内部应用dropout，通常用于RNNs。

你可以通过以下方式初始化并实例化一个`nn.LSTM`对象：

lstm_layer = nn.LSTM(input_size, hidden_size, num_layers=num_layers,
                     bias=bias, batch_first=batch_first,
                     dropout=dropout, bidirectional=bidirectional)