torch.lstm

torch.lstm 是 PyTorch 深度学习框架中的一个模块，用于构建长短期记忆（Long Short-Term Memory，LSTM）网络。LSTM 是一种循环神经网络（Recurrent Neural Network，RNN）的变种，它通过引入记忆单元来解决传统 RNN 中的梯度消失问题。

在 PyTorch 中，可以通过使用 torch.nn.LSTM 类来创建 LSTM 模型。该类接受输入维度、隐藏层维度等参数，并提供了 forward 方法用于定义模型的前向传播过程。可以通过调用该类的实例来构建 LSTM 模型，并在训练或推理过程中使用。

下面是一个使用 torch.nn.LSTM 创建一个简单的 LSTM 模型的示例代码：

import torch
import torch.nn as nn

# 定义 LSTM 模型
input_size = 10
hidden_size = 20
num_layers = 2
batch_size = 1
sequence_length = 5

lstm = nn.LSTM(input_size, hidden_size, num_layers)

# 构造输入数据
input_data = torch.randn(sequence_length, batch_size, input_size)

# 初始化隐藏状态和记忆状态
h0 = torch.randn(num_layers, batch_size, hidden_size)
c0 = torch.randn(num_layers, batch_size, hidden_size)

# 前向传播
output, (hn, cn) = lstm(input_data, (h0, c0))

# 输出结果
print(output)
print(hn)
print(cn)

以上示例代码中，我们创建了一个输入维度为10，隐藏层维度为20，层数为2的 LSTM 模型。然后构造了一个尺寸为(5, 1, 10)的输入数据，分别表示序列长度为5，批次大小为1，特征维度为10。最后通过调用 lstm.forward() 方法进行前向传播，并输出模型的输出结果和最后一步的隐藏状态和记忆状态。