pytorch中搭建lstm网络模型

以下是一个简单的LSTM网络模型的搭建过程：

import torch
import torch.nn as nn

class LSTMModel(nn.Module):
    def __init__(self, input_size, hidden_size, num_layers, output_size):
        super(LSTMModel, self).__init__()
        
        self.hidden_size = hidden_size
        self.num_layers = num_layers
        
        # LSTM层
        self.lstm = nn.LSTM(input_size, hidden_size, num_layers, batch_first=True)
        
        # 输出层
        self.linear = nn.Linear(hidden_size, output_size)
    
    def forward(self, x):
        # 初始化隐状态和细胞状态
        h0 = torch.zeros(self.num_layers, x.size(0), self.hidden_size).to(device)
        c0 = torch.zeros(self.num_layers, x.size(0), self.hidden_size).to(device)
        
        # 前向传播
        out, _ = self.lstm(x, (h0, c0))
        out = self.linear(out[:, -1, :])
        
        return out

其中，`input_size`表示输入数据的特征数，`hidden_size`表示LSTM中隐状态的维度，`num_layers`表示LSTM中堆叠的层数，`output_size`表示输出的维度。在`__init__`函数中，我们首先调用`super`函数初始化父类，然后定义了LSTM层和输出层。在`forward`函数中，我们首先初始化隐状态和细胞状态，然后将输入数据`x`传入LSTM层中进行前向传播，最后将LSTM层的输出传入输出层中得到模型的预测结果。