双向lstm paddle实现

双向LSTM是一种常用的循环神经网络模型，它能够同时考虑前向和后向的上下文信息，适用于序列数据的建模任务。在PaddlePaddle中，可以使用paddle.nn.LSTM类来实现双向LSTM。

下面是一个简单的双向LSTM示例：

import paddle
import paddle.nn as nn

class BiLSTM(nn.Layer):
    def __init__(self, input_size, hidden_size, num_layers, num_classes):
        super(BiLSTM, self).__init__()
        
        self.hidden_size = hidden_size
        self.num_layers = num_layers
        
        self.lstm = nn.LSTM(input_size, hidden_size, num_layers, direction='bidirectional')
        self.fc = nn.Linear(hidden_size*2, num_classes)
        
    def forward(self, x):
        h0 = paddle.zeros([self.num_layers*2, x.shape[0], self.hidden_size])
        c0 = paddle.zeros([self.num_layers*2, x.shape[0], self.hidden_size])
        
        out, _ = self.lstm(x, (h0, c0))
        out = self.fc(out[:, -1, :])
        
        return out

在上面的代码中，我们首先定义了一个BiLSTM类，它继承自paddle.nn.Layer，然后在初始化函数中定义了LSTM层和全连接层。在forward函数中，我们首先定义了LSTM的初始状态h0和c0，然后将输入序列x传入LSTM层中得到输出序列out，最后取出out序列的最后一个时间步的输出，即out[:, -1, :]，并将其输入到全连接层中得到最终的输出。

需要注意的是，LSTM层返回的输出out是一个三维张量，第一维表示时间步，第二维表示batch size，第三维表示隐藏状态的维度。在本例中，我们只取最后一个时间步的输出作为模型的输出。另外，在LSTM层中设置direction='bidirectional'即可实现双向LSTM。