双层bilstm源码python

以下是一个双层BiLSTM的Python源代码示例：

import torch
import torch.nn as nn

class BiLSTM(nn.Module):
    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, batch_first=True, bidirectional=True)
        self.fc = nn.Linear(hidden_size*2, num_classes)

    def forward(self, x):
        h0 = torch.zeros(self.num_layers*2, x.size(0), self.hidden_size).to(device=x.device)
        c0 = torch.zeros(self.num_layers*2, x.size(0), self.hidden_size).to(device=x.device)

        out, _ = self.lstm(x, (h0, c0))

        out = out.contiguous().view(x.size(0), -1, self.hidden_size*2)
        out = torch.mean(out, dim=1)

        out = self.fc(out)
        return out

该模型使用PyTorch实现，包含两个BiLSTM层和一个全连接层。其中，`input_size`表示输入特征的维度，`hidden_size`表示LSTM隐藏层的维度，`num_layers`表示LSTM的层数，`num_classes`表示输出类别的数量。

在`forward`函数中，我们首先初始化LSTM的初始隐藏状态和细胞状态，然后将输入`x`传入LSTM中。接着，我们将LSTM的输出`out`进行维度变换，使其符合全连接层的输入要求。最后，我们使用全连接层将LSTM的输出映射到输出类别上。