pytorch 双向LSTM实现

PyTorch中实现双向LSTM的方法如下：

import torch.nn as nn

class BiLSTM(nn.Module):
    def __init__(self, input_size, hidden_size, num_layers, output_size):
        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, output_size)
        
    def forward(self, x):
        h0 = torch.zeros(self.num_layers*2, x.size(0), self.hidden_size).to(device)
        c0 = torch.zeros(self.num_layers*2, x.size(0), self.hidden_size).to(device)
        out, _ = self.lstm(x, (h0, c0))
        out = self.fc(out[:, -1, :])
        return out

其中，`input_size`表示输入特征的维度大小，`hidden_size`表示LSTM单元中隐藏状态的维度大小，`num_layers`表示LSTM网络中的层数，`output_size`表示输出的维度大小。在`__init__`函数中，我们首先定义了一个双向LSTM层，然后定义了一个全连接层。在`forward`函数中，我们首先初始化了LSTM的初始隐藏状态和单元状态，然后使用`self.lstm`对输入`x`进行计算，得到输出`out`。最后，我们把`out`的最后一个时间步的输出送入全连接层`self.fc`中，得到最终的输出。

需要注意的是，双向LSTM的输出是前向和后向LSTM的拼接结果，因此，我们需要把`out`的最后一个时间步的前向和后向LSTM的输出拼接起来，然后再送入全连接层中。