LSTM输出输入的例子

LSTM的输入和输出通常是一个三维张量，形状为(batch_size, sequence_length, input_size)。其中，batch_size表示每个batch的大小，sequence_length表示每个序列的长度，input_size表示每个时间步的输入特征数。而LSTM的输出也是一个三维张量，形状为(batch_size, sequence_length, hidden_size)。其中，hidden_size表示LSTM的隐藏状态的维度。

下面是一个简单的例子，假设我们有一个batch_size为2，sequence_length为3，input_size为4的LSTM模型，其中hidden_size为5。那么我们可以将输入数据表示为一个形状为(2, 3, 4)的三维张量，输出数据表示为一个形状为(2, 3, 5)的三维张量。

具体来说，假设我们的输入数据为：

input_data = torch.randn(2, 3, 4)

那么我们可以将其输入到LSTM模型中，代码如下：

import torch.nn as nn

lstm = nn.LSTM(input_size=4, hidden_size=5, num_layers=1)
output, (h_n, c_n) = lstm(input_data)

其中，output表示LSTM的输出，h_n表示LSTM最后一个时间步的隐藏状态，c_n表示LSTM最后一个时间步的细胞状态。注意，这里的output和h_n的形状都是(2, 3, 5)，因为我们的batch_size为2，sequence_length为3，hidden_size为5。