pytorch 自己实现双层LSTM

好的，以下是一个基于 PyTorch 实现双层 LSTM 的示例代码：

import torch
import torch.nn as nn

class DoubleLSTM(nn.Module):
    def __init__(self, input_size, hidden_size, num_layers):
        super(DoubleLSTM, self).__init__()
        self.num_layers = num_layers
        self.hidden_size = hidden_size
        
        # 第一层 LSTM
        self.lstm1 = nn.LSTM(input_size, hidden_size, num_layers)
        # 第二层 LSTM
        self.lstm2 = nn.LSTM(hidden_size, hidden_size, num_layers)
        
    def forward(self, inputs, hidden):
        # 第一层 LSTM 的前向计算
        output1, hidden1 = self.lstm1(inputs, hidden[0])
        # 第二层 LSTM 的前向计算
        output2, hidden2 = self.lstm2(output1, hidden[1])
        return output2, (hidden1, hidden2)
        
    def init_hidden(self, batch_size):
        # 初始化隐藏状态
        hidden1 = torch.zeros(self.num_layers, batch_size, self.hidden_size)
        hidden2 = torch.zeros(self.num_layers, batch_size, self.hidden_size)
        return (hidden1, hidden2)

在上述代码中，我们定义了一个名为 DoubleLSTM 的类，它继承自 PyTorch 的 nn.Module 类。在该类的初始化方法中，我们首先定义了两个 LSTM 层，分别是第一层 LSTM 和第二层 LSTM。在 forward 方法中，我们调用了两个 LSTM 层的前向计算方法，分别是 lstm1 和 lstm2。在 init_hidden 方法中，我们初始化了两个 LSTM 层的隐藏状态。

接下来，我们可以使用该类来创建一个双层 LSTM 模型：

input_size = 10
hidden_size = 20
num_layers = 2
batch_size = 5

model = DoubleLSTM(input_size, hidden_size, num_layers)

inputs = torch.randn(3, batch_size, input_size)
hidden = model.init_hidden(batch_size)

output, hidden = model(inputs, hidden)

在上述代码中，我们首先定义了输入数据的维度（input_size）、隐藏状态的维度（hidden_size）、LSTM 层数（num_layers）和批大小（batch_size）。然后我们创建了一个 DoubleLSTM 实例，并使用 init_hidden 方法初始化了隐藏状态。接着我们传入输入数据和隐藏状态调用了 DoubleLSTM 的 forward 方法，并获取了输出和更新后的隐藏状态。