PyTorch 中二维数据转换为 LSTM 输入

在 PyTorch 中，将二维数据转换为 LSTM 输入需要进行以下步骤：

导入必要的库：

import torch
import torch.nn as nn

准备数据集：首先，将二维数据转换为张量（torch.Tensor）的形式。假设输入数据的维度是（batch_size, seq_length, input_size）。

data = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]  # 示例数据
tensor_data = torch.tensor(data, dtype=torch.float32)  # 将数据转换为张量

定义 LSTM 模型：

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
        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):
        h0 = torch.zeros(self.num_layers, x.size(0), self.hidden_size).to(x.device)
        c0 = torch.zeros(self.num_layers, x.size(0), self.hidden_size).to(x.device)
        out, _ = self.lstm(x, (h0, c0))
        out = self.fc(out[:, -1, :])  # 只取最后一个时间步的输出
        return out

初始化模型并进行前向传播：

input_size = tensor_data.size(2)  # 输入数据的特征维度
hidden_size = 64  # LSTM隐藏层的维度
num_layers = 2  # LSTM层数
output_size = 1  # 输出数据的维度
model = LSTMModel(input_size, hidden_size, num_layers, output_size)
output = model(tensor_data)

这样，你就可以将二维数据转换为LSTM模型所需的输入格式。