这个 Rnn 函数的最后一行是啥意思?
Posted
技术标签:
【中文标题】这个 Rnn 函数的最后一行是啥意思?【英文标题】:What is the last line of this Rnn function means?这个 Rnn 函数的最后一行是什么意思? 【发布时间】:2021-11-20 03:35:55 【问题描述】:我是来问一个菜鸟问题的。
class RNN(nn.Module):
def __init__(self, input_size, hidden_size, num_layers, num_classes):
super(RNN, self).__init__()
self.hidden_size = hidden_size
self.num_layers = num_layers
self.rnn = nn.RNN(input_size, hidden_size, num_layers, batch_first=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)
out, _ = self.rnn(x, h0) # out: tensor of shape (batch_size, seq_length, hidden_size)
out = self.fc(out[:, -1, :])
return out
out = self.fc(out[:, -1, :])
是什么意思?还有为什么在out, _ = self.rnn(x, h0)
中有一个“_”?
【问题讨论】:
【参考方案1】:out = self.fc(out[:, -1, :])
行使用负索引:out 是一个形状为 batch_size x seq_length x hidden_size
的张量,因此 out[:, 1, :] 将返回沿第二维(或轴)的第一个元素,而out[:, -1, :]
返回沿第二个维度的最后一个元素。相当于out[:, seq_length-1, :]
。
out, _ = self.rnn(x, h0)
中的下划线表示self.rnn(x, h0)
返回两个输出,out 分配给第一个输出,第二个输出没有分配给任何东西,所以_
是一个占位符。
【讨论】:
你能告诉我第二轴是什么意思吗? 多维数组的第二维以上是关于这个 Rnn 函数的最后一行是啥意思?的主要内容,如果未能解决你的问题,请参考以下文章