Pytorch中对RNN输入和输出的形状总结

个人对于RNN的一些总结，如有错误欢迎指出。

RNN的输入和输出

RNN的经典图如下所示

各个参数的含义
Xt: t时刻的输入，形状为[batch_size, input_dim]。对于整个RNN来说，总的X输入为[seq_len, batch_size, input_dim]，具体如何理解batch_size和seq_len在下面有说明。
St: t时刻隐藏层的状态，也有时用ht表示，形状为[batch_size, hidden_size]，St=f(U·Xt+W·St-1)，通过W和U矩阵的映射，将embedding后的Xt和上一状态St-1转为St
Ot: t时刻的输出，Ot=g(V·St)，形状为[batch_size, hidden_size]，总的为输出O为[seq_len, batch_size, hidden_size]

Pytorch中的使用

Pytorch中RNN函数如下

RNN的主要参数如下

nn.RNN(input_size, hidden_size, num_layers=1, bias=True)

参数解释
input_size: 输入特征的维度，一般rnn中输入的是词向量，那么就为embedding-dim
hidden_size: 隐藏层神经元的个数，或者也叫输出的维度
num_layers: 隐藏层的个数，默认为1

output=输出O, 隐藏状态St，其中输出O=[time_step, batch_size, hidden_size]，St为t时刻的隐藏层状态

理解RNN中的batch_size和seq_len

深度学习中采用mini-batch的方法进行迭代优化，在CNN中batch的思想较容易理解，一次输入batch个图片，进行迭代。但是RNN中引入了seq_len(time_step), 理解较为困难，下面是我自己的一些理解。

首先假如我有五句话，作为训练的语料。

sentences = ["i like dog", "i love coffee", "i hate milk", "i like music", "i hate you"]

那么在输入RNN之前要先进行embedding，比如one-hot encoding，容易得到这里的embedding-dim为9.

那么输入的sentences可以表示为如下方式

	t=0	t=1	t=2
batch1	i	like	dog
batch2	i	love	coffee
batch3	i	hate	milk
batch4	i	like	music
batch5	i	hate	you

那么在RNN的训练中。
t=0时, 输入第一个batch[i, i, i, i, i]这里用字符表示，其实应该是对应的one-hot编码。
t=1时，输入第二个batch[like, love, hate, like, hate]
t=2时，输入第三个batch[dog, coffee, milk, music, you]
那么对应的时间t来说，RNN需要对先后输入的batch_size个字符进行前向计算迭代，得到输出。