PyTorch LSTM和LSTMP的原理及其手写复现

  • 0、前言
  • 全部参数的细致介绍
  • 代码实现
  • Reference

0、前言

关于LSTM的原理以及公式其实在这篇博客一步一步详解LSTM网络【从RNN到LSTM到GRU等，直至attention】讲的非常清晰明了了。
这里就是写出LSTM的pytorch的实现，包括API和手写。

在看代码之前有必要了解输入输出有哪些，以及他们的特性。
官方教程在：
https://pytorch.org/docs/stable/generated/torch.nn.LSTM.html#torch.nn.LSTM


全部参数的细致介绍

将多层长短期记忆 (LSTM) RNN 应用于输入序列。
对于输入序列中的每个元素，每一层计算以下函数：
it =σ( W iix t+ b ii + W hih t−1 + b hi )ft =σ( W ifx t+ b if + W hfh t−1 + b hf )gt =tanh⁡( W igx t+ b ig + W hgh t−1 + b hg )ot =σ( W iox t+ b io + W hoh t−1 + b ho )ct = f t⊙ c t−1 + i t⊙ g tht = o t⊙tanh⁡( c t)\begin{align} i_t &= \sigma(W_{ii} x_t + b_{ii} + W_{hi} h_{t-1} + b_{hi}) \\ f_t &= \sigma(W_{if} x_t + b_{if} + W_{hf} h_{t-1} + b_{hf}) \\ g_t &= \tanh(W_{ig} x_t + b_{ig} + W_{hg} h_{t-1} + b_{hg}) \\ o_t &= \sigma(W_{io} x_t + b_{io} + W_{ho} h_{t-1} + b_{ho}) \\ c_t &= f_t \odot c_{t-1} + i_t \odot g_t \\ h_t &= o_t \odot \tanh(c_t) \end{align} it​ft​gt​ot​ct​ht​​=σ(Wii​xt​+bii​+Whi​ht−1​+bhi​)=σ(Wif​xt​+bif​+Whf​ht−1​+bhf​)=tanh(Wig​xt​+big​+Whg​ht−1​+bhg​)=σ(Wio​xt​+bio​+Who​ht−1​+bho​)=ft​⊙ct−1​+it​⊙gt​=ot​⊙tanh(ct​)​​
其中 ht h_tht​是时间t的隐藏状态， ct c_tct​是时间t的cell状态， xt x_txt​是时间t的输入， h t − 1 h_{t-1}ht−1​是层的隐藏状态在时间 t-1 或时间 0 的初始隐藏状态，而 it i_tit​、 ft f_tft​、 gt g_tgt​、 ot o_tot​ 分别是输入门、遗忘门、单元门和输出门。 σ\sigmaσ是sigmoid函数， ⊙\odot⊙是Hadamard积。( gt g_tgt​也可称为New cell content)

遗忘门控制遗忘 c t−1 c_{t-1} ct−1​的多少即 f t⊙ c t−1 f_t \odot c_{t-1} ft​⊙ct−1​，而输出门是控制输出New cell content的多少即 i t⊙ g ti_t \odot g_t it​⊙gt​，若 f tf_t ft​=1且 i ti_t it​=0则细胞状态一直保存下去。
输出门是控制输出多少当前细胞状态，即 o t⊙tanh⁡( c t)o_t \odot \tanh(c_t) ot​⊙tanh(ct​)。

在多层LSTM中，第l层(l >= 2)的输入 xt ( l ) x^{(l)}_txt(l)​是前一层的隐藏状态 ht ( l − 1 ) h^{(l-1)}_tht(l−1)​ 乘以 dropout δt ( l − 1 ) \delta^{(l-1)}_tδt(l−1)​ 其中每个 δt ( l − 1 ) \delta^{(l- 1)}_tδt(l−1)​ 是一个伯努利随机变量，which is 0 with probabilitydropout。

如果指定 proj_size > 0，将使用带投影的 LSTM。这会以下列方式更改 LSTM 单元。
首先， ht h_tht​ 的维度将从hidden_​​size更改为proj_size（ W h i W_{hi}Whi​ 的维度将相应更改）。
其次，每一层的输出隐藏状态将乘以一个可学习的投影矩阵： ht= W h rht h_t = W_{hr}h_tht​=Whr​ht​。
请注意，因此，LSTM 网络的输出也将具有不同的形状。
有关所有变量的确切维度，请参阅下面的输入/输出部分。您可以在 https://arxiv.org/abs/1402.1128 中找到更多详细信息。

参数：

  • input_size – 输入 x 中预期特征的数量
  • hidden_size – 隐藏状态h的特征数
  • num_layers – 循环层数。例如，设置 num_layers=2 意味着将两个 LSTM 堆叠在一起形成一个堆叠 LSTM，第二个 LSTM 接收第一个 LSTM 的输出并计算最终结果。默认值：1
  • bias – 如果为False，则该层不使用偏置权重 b ih b_{ih} bih​ 和 b hh b_{hh} bhh​。默认值：True
  • batch_first – 如果为 True，则输入和输出张量将作为 (batch, seq, feature) 而不是 (seq, batch, feature) 提供。请注意，这不适用于隐藏状态或细胞状态。有关详细信息，请参阅下面的输入/输出部分。默认值：False
  • dropout – 如果非零，则在除最后一层之外的每个 RNN 层的输出上引入一个 Dropout 层，dropout 概率等于 dropout。默认值：0
  • bidirectional – 如果为True，则成为双向 LSTM。默认值：False
  • proj_size – 如果 > 0，将使用具有相应大小投影的 LSTM。默认值：0

（相比于RNN只是多了一个proj_size）
输入：input, (h_0, c_0)

  • input:对于非批处理输入，形状为 (L, H in )(L, H_{in}) (L,Hin​) 的张量，(L,N, H in )(L, N, H_{in}) (L,N,Hin​)当 batch_first=False或 (N,L, H in )( N, L, H_{in}) (N,L,Hin​) 当 batch_first=True 时包含输入序列的特征。输入也可以是打包的可变长度序列。有关详细信息，请参阅 torch.nn.utils.rnn.pack_padded_sequence() 或 torch.nn.utils.rnn.pack_sequence() 。
  • h_0:形状张量(D∗num_layers, H out )(D * \text{num\_layers}, H_{out}) (D∗num_layers,Hout​) 对于非批处理输入或 (D∗num_layers,N, H out )(D * \text{num\_layers}, N, H_{out}) (D∗num_layers,N,Hout​)包含输入序列中每个元素的初始隐藏状态。如果未提供 (h_0, c_0)，则默认为零。。
  • c_0:形状张量 (D∗num_layers, H cell )(D * \text{num\_layers}, H_{cell}) (D∗num_layers,Hcell​)对于非批处理输入或 (D∗num_layers,N, H cell )( D * \text{num\_layers}, N, H_{cell}) (D∗num_layers,N,Hcell​) 包含输入序列中每个元素的初始单元状态。如果未提供 (h_0, c_0)，则默认为零。

其中：
N=batchsizeL=sequencelengthD=2ifbidirectional=Trueotherwise1 H in =input_size H cell =hidden_size H out = proj_sizeifproj_size>0otherwisehidden_size\begin{array}{l} N=batch\ size\\ L=sequence\ length\\ D=2\ if\ bidirectional=True\ otherwise\ 1\\ H_{in}=input\_size\\ H_{cell}=hidden\_size\\ H_{out} ={} \text{proj\_size if } \text{proj\_size}>0 \text{ otherwise hidden\_size} \end{array} N=batchsizeL=sequencelengthD=2ifbidirectional=Trueotherwise1Hin​=input_sizeHcell​=hidden_sizeHout​=proj_sizeifproj_size>0otherwisehidden_size​
尤其要注意参数的维度。
输出: output, (h_n, c_n)

  • output：形状张量 (L,D∗ H out )(L, D * H_{out}) (L,D∗Hout​) 对于非批处理输入，(L,N,D∗ H out )(L, N, D * H_{out} ) (L,N,D∗Hout​) 当 batch_first=False 或 (N,L,D∗ H out )(N, L, D * H_{out}) (N,L,D∗Hout​) 当 batch_first=True 对于每个 t，包含来自 LSTM 最后一层的输出特征 (h_t)。如果torch.nn.utils.rnn.PackedSequence 已作为输入给出，输出也将是一个打包序列。当 bidirectional=True 时，输出将包含序列中每个时间步的正向和反向隐藏状态的串联。
  • h_n：形状张量(D∗num_layers, H out )(D * num\_layers, H_{out}) (D∗num_layers,Hout​) 对于非批处理输入或 (D∗num_layers,N,Hout)(D∗num\_layers,N,Hout) (D∗num_layers,N,Hout)包含序列中每个元素的最终隐藏状态。当 bidirectional=True 时，h_n 将分别包含最终前向和反向隐藏状态的串联。(其实output的最后一个元素就是h_n)
  • c_n：形状张量 (D∗num_layers, H cell )(D * \text{num\_layers}, H_{cell}) (D∗num_layers,Hcell​) 对于非批处理输入或 (D∗num_layers,N, H cell )( D * \text{num\_layers}, N, H_{cell}) (D∗num_layers,N,Hcell​) 包含序列中每个元素的最终单元状态。当 bidirectional=True 时，c_n 将分别包含最终正向和反向单元格状态的串联。

变量：

  • weight_ih_l[k] – 第 k th \text{k}^{th} kth层 (W_ii|W_if|W_ig|W_io) 的可学习输入隐藏input-hidden权重，形状为 (4*hidden_size, input _size) 对于 k = 0。否则，形状为 (4*hidden_size, num_directions * hidden_size)。如果指定了 proj_size > 0，对于 k > 0，形状将为 (4*hidden_size, num_directions * proj_size)
  • weight_hh_l[k] – 第 k th \text{k}^{th} kth 层 (W_hi|W_hf|W_hg|W_ho) 的可学习隐藏-隐藏hidden-hidden权重，形状为 (4*hidden_size, hidden_size）。如果指定了 proj_size > 0，则形状将为 (4*hidden_size, proj_size)。
  • bias_ih_l[k] – 第 k层 (b_ii|b_if|b_ig|b_io) 的可学习输入隐藏偏差，形状为 (4*hidden_size)
  • bias_hh_l[k] – 第 k层 (b_hi|b_hf|b_hg|b_ho) 的可学习隐藏-隐藏偏差，形状为 (4*hidden_size)
  • weight_hr_l[k] – 第 k层形状的可学习投影权重 (proj_size, hidden_size)。仅在指定 proj_size > 0 时出现。
  • weight_ih_l[k]_reverse – 类似于反向的 weight_ih_l[k]。仅在 bidirectional=True 时出现。
  • weight_hh_l[k]_reverse – 类似于反向的 weight_hh_l[k]。仅在 bidirectional=True 时出现。
  • bias_ih_l[k]_reverse – 类似于反方向的 bias_ih_l[k]。仅在 bidirectional=True 时出现。
  • bias_hh_l[k]_reverse – 类似于反方向的 bias_hh_l[k]。仅在 bidirectional=True 时出现。
  • weight_hr_l[k]_reverse – 类似于反向的 weight_hr_l[k]。仅在指定bidirectional=True和proj_size > 0时出现。

需要注意的是：

  • 所有的权重和偏置都从U(− k, k)\mathcal{U}(-\sqrt{k}, \sqrt{k}) U(−k ​,k ​) 初始化，其中 k= 1 hidden_size k = \frac{1 }{hidden\_size} k=hidden_size1​
  • 对于双向 LSTM，前向和后向分别是方向 0 和 1。 batch_first=False 时分割输出层的示例：output.view(seq_len, batch, num_directions, hidden_​​size)。
  • batch_first 参数对于未批处理的输入会被忽略。
  • 对于双向 LSTM，h_n 不等于输出的最后一个元素；前者（h_n）包含最终的正向和反向隐藏状态，而后者(outpuy)包含最终的正向隐藏状态和初始反向隐藏状态。

代码实现

LSTM API
首先实例化一些参数：

import torchimport torch.nn as nn# 定义一些常量batch_size, seq_len, input_size, h_size = 2, 3, 4, 5input = torch.randn(batch_size, seq_len, input_size)# 随机初始化一个输入序列c_0 = torch.randn(batch_size, h_size)# 初始值，不会参与训练h_0 = torch.randn(batch_size, h_size)

调用PyTorch中的 LSTM API：

# 调用官方 LSTM APIlstm_layer = nn.LSTM(input_size, h_size, batch_first=True)# num_layers默认为1output, (h_n, c_n) = lstm_layer(input, (h_0.unsqueeze(0), c_0.unsqueeze(0)))# (D*num_layers=1, b, hidden_size)

看一下返回的结果的形状：

print(output.shape)# [2,3,5] [b, seq_len, hidden_size]print(h_n.shape)# [1,2,5] [num_layers, b, hidden_size]print(c_n.shape)# [1,2,5] [num_layers, b, hidden_size]

这里输出一下lstm_layer中的参数名称及其形状：

for name, para in lstm_layer.named_parameters():print(name, para.shape)

输出结果如下：

weight_ih_l0 torch.Size([20, 4])# [4*hidden_size, input_size]weight_hh_l0 torch.Size([20, 5])# [4*hidden_size, hidden_size]bias_ih_l0 torch.Size([20])# [4*hidden_size]bias_hh_l0 torch.Size([20])# [4*hidden_size]

手写 lstm_forward 函数
这里先将lstm_forward函数中的每个参数的维度写出来：

def lstm_forward(input, initial_states, w_ih, w_hh, b_ih, b_hh):h_0, c_0 = initial_states# 初始状态[b_size, hidden_size]b_size, seq_len, input_size = input.shapeh_size = h_0.shape[-1]h_prev, c_prev = h_0, c_0# 需要将权重w在batch_size维进行扩维并复制，才能和x与h进行相乘w_ih_batch = w_ih.unsqueeze(0).tile(b_size, 1, 1)# [4*hidden_size, in_size]->[b_size, ,]w_hh_batch = w_hh.unsqueeze(0).tile(b_size, 1, 1)# [4*hidden_size, hidden_size]->[b_size, ,]output_size = h_sizeoutput = torch.zeros(b_size, seq_len, output_size)# 初始化一个输出序列for t in range(seq_len):x = input[:, t, :]# 当前时刻的输入向量 [b,in_size]->[b,in_size,1]w_times_x = torch.bmm(w_ih_batch, x.unsqueeze(-1)).squeeze(-1) # bmm:含有批量大小的矩阵相乘# [b, 4*hidden_size, 1]->[b, 4*hidden_size]# 这一步就是计算了 Wii*xt|Wif*xt|Wig*xt|Wio*xtw_times_h_prev = torch.bmm(w_hh_batch, h_prev.unsqueeze(-1)).squeeze(-1)# [b, 4*hidden_size, hidden_size]*[b, hidden_size, 1]->[b,4*hidden_size, 1]->[b, 4*hidden_size]# 这一步就是计算了 Whi*ht-1|Whf*ht-1|Whg*ht-1|Who*ht-1# 分别计算输入门(i)、遗忘门(f)、cell门(g)、输出门(o)维度均为 [b, h_size]i_t = torch.sigmoid(w_times_x[:, :h_size] + w_times_h_prev[:, :h_size] + b_ih[:h_size] + b_hh[:h_size])# 取前四分之一f_t = torch.sigmoid(w_times_x[:, h_size:2*h_size] + w_times_h_prev[:, h_size:2*h_size]+ b_ih[h_size:2*h_size] + b_hh[h_size:2*h_size])g_t = torch.tanh(w_times_x[:, 2*h_size:3*h_size] + w_times_h_prev[:, 2*h_size:3*h_size] + b_ih[2*h_size:3*h_size] + b_hh[2*h_size:3*h_size])o_t = torch.sigmoid(w_times_x[:, 3*h_size:] + w_times_h_prev[:, 3*h_size:]+ b_ih[3*h_size:] + b_hh[3*h_size:])c_prev = f_t * c_prev + i_t * g_th_prev = o_t * torch.tanh(c_prev)output[:, t, :] = h_prevreturn output, (h_prev.unsqueeze(0), c_prev.unsqueeze(0))# 官方是三维，在第0维扩一维

验证一下 lstm_forward 的准确性：

# 这里使用 lstm_layer 中的参数# 加了me表示自己手写的output_me, (h_n_me, c_n_me) = lstm_forward(input, (h_0, c_0), lstm_layer.weight_ih_l0, lstm_layer.weight_hh_l0, lstm_layer.bias_ih_l0, lstm_layer.bias_hh_l0)

打印一下，看两个的计算结果是否相同：

print("PyTorch API output:")print(output)# [2,3,5] [b, seq_len, hidden_size]print(h_n)# [1,2,5] [num_layers, b, hidden_size]print(c_n)# [1,2,5] [num_layers, b, hidden_size]print("\nlstm_forward function output:")print(output_me)# [2,3,5] [b, seq_len, hidden_size]print(h_n_me)# [1,2,5] [num_layers, b, hidden_size]print(c_n_me)

结果如下，完全一致，说明手写的是对的：

PyTorch API output:tensor([[[ 0.1671,0.2493,0.2603, -0.1448, -0.1951], [-0.0680,0.0478,0.0218,0.0735, -0.0604], [ 0.0144,0.0507, -0.0556, -0.2600,0.1234]],[[ 0.4561, -0.0015, -0.0776, -0.0644, -0.5319], [ 0.1667,0.0111,0.0114, -0.1227, -0.2369], [-0.0220,0.0637, -0.2353,0.0404, -0.1309]]], grad_fn=<TransposeBackward0>)tensor([[[ 0.0144,0.0507, -0.0556, -0.2600,0.1234], [-0.0220,0.0637, -0.2353,0.0404, -0.1309]]], grad_fn=<StackBackward0>)tensor([[[ 0.0223,0.1574, -0.1572, -0.4663,0.2110], [-0.0382,0.6440, -0.4334,0.0779, -0.3198]]], grad_fn=<StackBackward0>)lstm_forward function output:tensor([[[ 0.1671,0.2493,0.2603, -0.1448, -0.1951], [-0.0680,0.0478,0.0218,0.0735, -0.0604], [ 0.0144,0.0507, -0.0556, -0.2600,0.1234]],[[ 0.4561, -0.0015, -0.0776, -0.0644, -0.5319], [ 0.1667,0.0111,0.0114, -0.1227, -0.2369], [-0.0220,0.0637, -0.2353,0.0404, -0.1309]]], grad_fn=<CopySlices>)tensor([[[ 0.0144,0.0507, -0.0556, -0.2600,0.1234], [-0.0220,0.0637, -0.2353,0.0404, -0.1309]]], grad_fn=<UnsqueezeBackward0>)tensor([[[ 0.0223,0.1574, -0.1572, -0.4663,0.2110], [-0.0382,0.6440, -0.4334,0.0779, -0.3198]]], grad_fn=<UnsqueezeBackward0>)

LSTMP

# 定义一些常量batch_size, seq_len, input_size, h_size = 2, 3, 4, 5proj_size = 3# 要比hidden_size小input = torch.randn(batch_size, seq_len, input_size)c_0 = torch.randn(batch_size, h_size)h_0 = torch.randn(batch_size, proj_size)# 注意这里从原来的 h_size 换成了 proj_size# 调用官方 LSTM APIlstm_layer = nn.LSTM(input_size, h_size, batch_first=True, proj_size=proj_size)output, (h_n, c_n) = lstm_layer(input, (h_0.unsqueeze(0), c_0.unsqueeze(0)))

打印一下返回的结果的形状：

print(output.shape)# [2,3,3] [b, seq_len, proj_size]print(h_n.shape)# [1,2,3] [num_layers, b, proj_size]print(c_n.shape)# [1,2,5] [num_layers, b, hidden_size]

这里输出一下lstm_layer中的参数名称及其形状：

for name, para in lstm_layer.named_parameters():print(name, para.shape)

输出结果如下输出结果如下：

weight_ih_l0 torch.Size([20, 4])# [4*hidden_size, input_size]weight_hh_l0 torch.Size([20, 3])# [4*hidden_size, proj_size]bias_ih_l0 torch.Size([20])bias_hh_l0 torch.Size([20])weight_hr_l0 torch.Size([3, 5])# 这个参数就是对 hidden_state 进行压缩的 [hidden_size, proj_size]

修改 lstm_forward 函数
修改lstm_forward函数，从而能够实现LSTMP：

def lstm_forward(input, initial_states, w_ih, w_hh, b_ih, b_hh, w_hr=None):h_0, c_0 = initial_states# 初始状态[b, proj_size][b, hidden_size]b_size, seq_len, input_size = input.shapeh_size = c_0.shape[-1]h_prev, c_prev = h_0, c_0# 需要将权重w在batch_size维进行扩维并复制，才能和x与h进行相乘w_ih_batch = w_ih.unsqueeze(0).tile(b_size, 1, 1)# [4*hidden_size, in_size]->[b_size, ,]w_hh_batch = w_hh.unsqueeze(0).tile(b_size, 1, 1)# [4*hidden_size, hidden_size]->[b_size, ,]if w_hr is not None:proj_size = w_hr.shape[0]output_size = proj_sizew_hr_batch = w_hr.unsqueeze(0).tile(b_size, 1, 1)# [proj_size, hidden_size]->[b_size, ,]else:output_size = h_sizeoutput = torch.zeros(b_size, seq_len, output_size)# 初始化一个输出序列for t in range(seq_len):x = input[:, t, :]# 当前时刻的输入向量 [b,in_size]->[b,in_size,1]w_times_x = torch.bmm(w_ih_batch, x.unsqueeze(-1)).squeeze(-1) # bmm:含有批量大小的矩阵相乘# [b, 4*hidden_size, 1]->[b, 4*hidden_size]# 这一步就是计算了 Wii*xt|Wif*xt|Wig*xt|Wio*xtw_times_h_prev = torch.bmm(w_hh_batch, h_prev.unsqueeze(-1)).squeeze(-1)# [b, 4*hidden_size, hidden_size]*[b, hidden_size, 1]->[b,4*hidden_size, 1]->[b, 4*hidden_size]# 这一步就是计算了 Whi*ht-1|Whf*ht-1|Whg*ht-1|Who*ht-1# 分别计算输入门(i)、遗忘门(f)、cell门(g)、输出门(o)维度均为 [b, h_size]i_t = torch.sigmoid(w_times_x[:, :h_size] + w_times_h_prev[:, :h_size] + b_ih[:h_size] + b_hh[:h_size])# 取前四分之一f_t = torch.sigmoid(w_times_x[:, h_size:2*h_size] + w_times_h_prev[:, h_size:2*h_size]+ b_ih[h_size:2*h_size] + b_hh[h_size:2*h_size])g_t = torch.tanh(w_times_x[:, 2*h_size:3*h_size] + w_times_h_prev[:, 2*h_size:3*h_size] + b_ih[2*h_size:3*h_size] + b_hh[2*h_size:3*h_size])o_t = torch.sigmoid(w_times_x[:, 3*h_size:] + w_times_h_prev[:, 3*h_size:]+ b_ih[3*h_size:] + b_hh[3*h_size:])c_prev = f_t * c_prev + i_t * g_th_prev = o_t * torch.tanh(c_prev)# [b_size, h_size]if w_hr is not None:# 对 h_prev 进行压缩，做projectionh_prev = torch.bmm(w_hr_batch, h_prev.unsqueeze(-1))# [b,proj_size,hidden_size]*[b,h_size,1]=[b,proj_size,1]h_prev = h_prev.squeeze(-1)# [b, proj_size]output[:, t, :] = h_prevreturn output, (h_prev.unsqueeze(0), c_prev.unsqueeze(0))# 官方是三维，在第0维扩一维

验证一下 lstm_forward 的准确性：

output_me, (h_n_me, c_n_me) = lstm_forward(input, (h_0, c_0), lstm_layer.weight_ih_l0, lstm_layer.weight_hh_l0, lstm_layer.bias_ih_l0, lstm_layer.bias_hh_l0, lstm_layer.weight_hr_l0)print("PyTorch API output:")print(output)# [2,3,3] [b, seq_len, proj_size]print(h_n)# [1,2,3] [num_layers, b, proj_size]print(c_n)# [1,2,5] [num_layers, b, hidden_size]print("\nlstm_forward function output:")print(output_me)# [2,3,3] [b, seq_len, proj_size]print(h_n_me)# [1,2,3] [num_layers, b, proj_size]print(c_n_me)# [1,2,5] [num_layers, b, hidden_size]

输出的结果如下，完全一致，说明手写的是对的：

PyTorch API output:tensor([[[ 0.0392, -0.3149, -0.1264], [ 0.0141, -0.2619, -0.0760], [ 0.0306, -0.2166,0.0915]],[[-0.0777, -0.1205, -0.0555], [-0.0646, -0.0926,0.0391], [-0.0456, -0.0576,0.1849]]], grad_fn=<TransposeBackward0>)tensor([[[ 0.0306, -0.2166,0.0915], [-0.0456, -0.0576,0.1849]]], grad_fn=<StackBackward0>)tensor([[[ 1.9913, -0.2683, -0.1221,0.1751, -0.6072], [-0.2383, -0.2253, -0.0385, -0.8820, -0.1794]]], grad_fn=<StackBackward0>)lstm_forward function output:tensor([[[ 0.0392, -0.3149, -0.1264], [ 0.0141, -0.2619, -0.0760], [ 0.0306, -0.2166,0.0915]],[[-0.0777, -0.1205, -0.0555], [-0.0646, -0.0926,0.0391], [-0.0456, -0.0576,0.1849]]], grad_fn=<CopySlices>)tensor([[[ 0.0306, -0.2166,0.0915], [-0.0456, -0.0576,0.1849]]], grad_fn=<UnsqueezeBackward0>)tensor([[[ 1.9913, -0.2683, -0.1221,0.1751, -0.6072], [-0.2383, -0.2253, -0.0385, -0.8820, -0.1794]]], grad_fn=<UnsqueezeBackward0>)

全部的colab链接在：
https://drive.google.com/file/d/1-8EZVbioUCPu8l7fWNZc9HPz3DPnmQaV/view?usp=sharing

Reference

主要参考自：
https://www.bilibili.com/video/BV1zq4y1m7aH/?spm_id_from=333.1007.top_right_bar_window_history.content.click&vd_source=5413f4289a5882463411525768a1ee27
https://blog.csdn.net/qq_45670134/article/details/128596565?spm=1001.2014.3001.5502
部分图片来自cs224n