PyTorch 中的双向 LSTM 输出问题

Posted 2023-03-12

【中文标题】PyTorch 中的双向 LSTM 输出问题

【英文标题】：Bidirectional LSTM output question in PyTorch

【发布时间】：2019-03-31 07:36:19

【问题描述】：

您好，我有一个关于如何从 BI-LSTM 模块的输出中收集正确结果的问题。

假设我有一个长度为 10 的序列输入到具有 100 个隐藏单元的单层 LSTM 模块中：

lstm = nn.LSTM(5, 100, 1, bidirectional=True)

output 的形状：

[10 (seq_length), 1 (batch),  200 (num_directions * hidden_size)]
# or according to the doc, can be viewed as
[10 (seq_length), 1 (batch),  2 (num_directions), 100 (hidden_size)]

如果我想在两个方向（两个 100 维向量）获得第三个（1-index）输入的输出，我该如何正确地做到这一点？

我知道output[2, 0] 会给我一个 200 维向量。 这 200 个暗淡向量是否代表两个方向的第三个输入的输出？

困扰我的是，在进行反向馈送时，第三个（1-index）输出向量是从第 8 个（1-index）输入计算出来的，对吧？

pytorch 会自动处理这个问题并根据方向对输出进行分组吗？

谢谢！

【参考方案1】：

是的，当使用 BiLSTM 时，方向的隐藏状态只是连接起来（中间之后的第二部分是反向序列馈送的隐藏状态）。 所以在中间分开就可以了。

随着从右到左维度的重塑工作，您在分离两个方向时不会有任何问题。

---

这是一个小例子：

# so these are your original hidden states for each direction
# in this case hidden size is 5, but this works for any size
direction_one_out = torch.tensor(range(5))
direction_two_out = torch.tensor(list(reversed(range(5))))
print('Direction one:')
print(direction_one_out)
print('Direction two:')
print(direction_two_out)

# before outputting they will be concatinated 
# I'm adding here batch dimension and sequence length, in this case seq length is 1
hidden = torch.cat((direction_one_out, direction_two_out), dim=0).view(1, 1, -1)
print('\nYour hidden output:')
print(hidden, hidden.shape)

# trivial case, reshaping for one hidden state
hidden_reshaped = hidden.view(1, 1, 2, -1)
print('\nReshaped:')
print(hidden_reshaped, hidden_reshaped.shape)

# This works as well for abitrary sequence lengths as you can see here
# I've set sequence length here to 5, but this will work for any other value as well
print('\nThis also works for more multiple hidden states in a tensor:')
multi_hidden = hidden.expand(5, 1, 10)
print(multi_hidden, multi_hidden.shape)
print('Directions can be split up just like this:')
multi_hidden = multi_hidden.view(5, 1, 2, 5)
print(multi_hidden, multi_hidden.shape)

输出：

Direction one:
tensor([0, 1, 2, 3, 4])
Direction two:
tensor([4, 3, 2, 1, 0])

Your hidden output:
tensor([[[0, 1, 2, 3, 4, 4, 3, 2, 1, 0]]]) torch.Size([1, 1, 10])

Reshaped:
tensor([[[[0, 1, 2, 3, 4],
          [4, 3, 2, 1, 0]]]]) torch.Size([1, 1, 2, 5])

This also works for more multiple hidden states in a tensor:
tensor([[[0, 1, 2, 3, 4, 4, 3, 2, 1, 0]],

        [[0, 1, 2, 3, 4, 4, 3, 2, 1, 0]],

        [[0, 1, 2, 3, 4, 4, 3, 2, 1, 0]],

        [[0, 1, 2, 3, 4, 4, 3, 2, 1, 0]],

        [[0, 1, 2, 3, 4, 4, 3, 2, 1, 0]]]) torch.Size([5, 1, 10])
Directions can be split up just like this:
tensor([[[[0, 1, 2, 3, 4],
          [4, 3, 2, 1, 0]]],


        [[[0, 1, 2, 3, 4],
          [4, 3, 2, 1, 0]]],


        [[[0, 1, 2, 3, 4],
          [4, 3, 2, 1, 0]]],


        [[[0, 1, 2, 3, 4],
          [4, 3, 2, 1, 0]]],


        [[[0, 1, 2, 3, 4],
          [4, 3, 2, 1, 0]]]]) torch.Size([5, 1, 2, 5])

希望这会有所帮助！ :)

【讨论】：

你的回答与towardsdatascience.com/…不矛盾吗？

【参考方案2】：

我知道 output[2, 0] 会给我一个 200 维向量。这 200 个暗淡向量是否代表两个方向的第三个输入的输出？

答案是是。

LSTM模块输出的output张量是前向LSTM输出和后向LSTM输出在输入序列中对应位置的串联。 而h_n tensor 是最后一个时间戳的输出，它是前向 LSTM 中 lsat 标记的输出，但在后向 LSTM 中是第一个标记。

In [1]: import torch
   ...: lstm = torch.nn.LSTM(input_size=5, hidden_size=3, bidirectional=True)
   ...: seq_len, batch, input_size, num_directions = 3, 1, 5, 2
   ...: in_data = torch.randint(10, (seq_len, batch, input_size)).float()
   ...: output, (h_n, c_n) = lstm(in_data)
   ...: 

In [2]: # output of shape (seq_len, batch, num_directions * hidden_size)
   ...: 
   ...: print(output)
   ...: 
tensor([[[ 0.0379,  0.0169,  0.2539,  0.2547,  0.0456, -0.1274]],

        [[ 0.7753,  0.0862, -0.0001,  0.3897,  0.0688, -0.0002]],

        [[ 0.7120,  0.2965, -0.3405,  0.0946,  0.0360, -0.0519]]],
       grad_fn=<CatBackward>)

In [3]: # h_n of shape (num_layers * num_directions, batch, hidden_size)
   ...: 
   ...: print(h_n)
   ...: 
tensor([[[ 0.7120,  0.2965, -0.3405]],

        [[ 0.2547,  0.0456, -0.1274]]], grad_fn=<ViewBackward>)

In [4]: output = output.view(seq_len, batch, num_directions, lstm.hidden_size)
   ...: print(output[-1, 0, 0])  # forward LSTM output of last token
   ...: print(output[0, 0, 1])  # backward LSTM output of first token
   ...: 
tensor([ 0.7120,  0.2965, -0.3405], grad_fn=<SelectBackward>)
tensor([ 0.2547,  0.0456, -0.1274], grad_fn=<SelectBackward>)

In [5]: h_n = h_n.view(lstm.num_layers, num_directions, batch, lstm.hidden_size)
   ...: print(h_n[0, 0, 0])  # h_n of forward LSTM
   ...: print(h_n[0, 1, 0])  # h_n of backward LSTM
   ...: 
tensor([ 0.7120,  0.2965, -0.3405], grad_fn=<SelectBackward>)
tensor([ 0.2547,  0.0456, -0.1274], grad_fn=<SelectBackward>)

【讨论】：

嘿 dd.，我已经试图找出你的答案已经一个星期了，但我仍然不能，有点帮助？您的回答向我表明 output[-1, 0, :] 没有提供所需的输出，但应该像您一样采用中间点（命令 4）。你能详细说明一下吗？确认还是什么？我的问题真的是，如何获得 h_n，RNN 的最后输出？

特别是这似乎与您说是的 OP 问题相矛盾？ towardsdatascience.com/…