Bi-LSTM模型代码

Bi-LSTM（双向长短时记忆网络）是一种常用的深度学习模型，常用于自然语言处理和序列标注任务。其结构类似于LSTM，但引入了一个额外的反向LSTM来处理输入序列的反向信息。

以下是一个简单的Bi-LSTM模型代码示例：

import torch
import torch.nn as nn

class BiLSTM(nn.Module):
    def __init__(self, input_dim, hidden_dim, output_dim):
        super().__init__()
        self.hidden_dim = hidden_dim
        self.lstm = nn.LSTM(input_dim, hidden_dim, bidirectional=True)
        self.fc = nn.Linear(hidden_dim*2, output_dim)

    def forward(self, text):
        lstm_out, _ = self.lstm(text)
        # 将前向和后向的LSTM输出拼接在一起
        lstm_out = torch.cat((lstm_out[:, :, :self.hidden_dim], lstm_out[:, :, self.hidden_dim:]), dim=2)
        # 取最后一个时间步的输出作为句子表示
        final_out = lstm_out[:, -1, :]
        # 经过全连接层得到输出
        out = self.fc(final_out)
        return out

此代码实现了一个简单的Bi-LSTM模型，包含一个双向LSTM层和一个全连接层。在前向传播过程中，输入序列首先经过双向LSTM层，得到前向和后向的输出。然后将这两个输出拼接在一起，并取最后一个时间步的输出作为句子表示。最后经过全连接层得到输出。