def forward(self, x): x, _ = x out = self.embedding(x) # [batch_size, seq_len, embeding]=[128, 32, 300] out, _ = self.lstm(out) out = self.fc(out[:, -1, :]) # 句子最后时刻的 hidden state return out

这段代码是PyTorch模型的前向传播函数。其中，x是模型的输入，形状为[batch_size, seq_len]，表示一批输入数据中每个序列的长度为seq_len，总共有batch_size个序列。模型会将输入的每个词转换为向量形式，然后通过embedding层将每个词的向量拼接成一个形状为[batch_size, seq_len, embedding_size]的张量out。接着，模型会将out输入到LSTM层中进行编码，得到一个形状为[batch_size, seq_len, hidden_size*2]的张量out，其中hidden_size*2表示LSTM层的输出维度，因为这里使用了双向LSTM。最后，模型将out的最后一个时刻的hidden state取出，输入到全连接层中进行分类，得到每个类别的概率分布。函数返回out。