每天五分钟深度学习框架pytorch:基于pytorch搭建循环神经网络RNN

本文重点

我们前面介绍了循环神经网络RNN,主要分析了它的维度信息，其实它的维度信息是最重要的，一旦我们把维度弄清楚了，一起就很简单了，本文我们正式的来学习一下，如何使用pytorch搭建循环神经网络RNN。

RNN的搭建

在pytorch中我们使用nn.RNN()就可以创建出RNN神经网络，它有如下参数：

input_size表示输入xt的特征维度

hidden_size表示输出ht的特征维度,或者理解为隐藏层的神经元数

num_layers表示RNN网络的层数，默认是1层

nonlinearity表示非线性激活函数的选择，默认tanh，当然也可以选择relu

bias表示是否使用偏置，默认是Ture

batch_first这个参数是决定网络输入的维度顺序，默认是(seq,batch,feature)输入，seq表示序列长度，batch表示批量，feature表示特征维度，我们也可以将其修改为(batch,seq,feature)，只用将这个参数设置为True

dropout这个参数接受一个0~