LSTM 模型定义和常见错误解决

定义 LSTM 模型

以下代码展示了如何使用 PyTorch 定义一个基本的 LSTM 模型：

class LSTM(nn.Module):
    def __init__(self, input_size, hidden_size, num_layers, output_size, batch_size):
        super(LSTM, self).__init__()
        self.hidden_size = hidden_size
        self.num_layers = num_layers
        self.batch_size = batch_size
        self.lstm = nn.LSTM(input_size, hidden_size, num_layers, batch_first=True)
        self.fc = nn.Linear(hidden_size, output_size)

    def forward(self, x):
        batch_size = self.batch_size  # 获取输入数据的batch_size
        h0 = torch.zeros(self.num_layers, batch_size, self.hidden_size).cuda()
        c0 = torch.zeros(self.num_layers, batch_size, self.hidden_size).cuda()
        x = x.unsqueeze(0)
        out, _ = self.lstm(x, (h0, c0))
        out = out.squeeze(0)
        out = self.fc(out[:, -1, :])
        return out

常见错误: IndexError: too many indices for tensor of dimension 2

这个错误提示意味着你试图访问一个只有两个维度的张量的第三个维度。在这个特定的代码段中，这可能是由于你尝试在 out 张量的第三个维度上进行切片操作，即 out[:, -1, :]。这个错误可能是由于未正确组织张量维度或使用了错误的索引导致的。

为了解决这个问题，你需要检查张量的维度，并确保你正在正确地访问它们。你可能需要重新组织张量的维度或使用不同的索引。在这个特定的代码段中，你可以尝试使用 out[:,-1] 或者 out[:,-1,:] 代替 out[:, -1, :]，以避免访问第三个维度。