hidden_dim和embed_size在LSTM中的含义是什么？
hidden_dim和embed_size在LSTM中的含义是什么？
提问于 2019-09-22 21:27:11
我正在尝试学习RNN和LSTM。我看了一个情绪分析的教程。以下是本教程中的代码I，其中word2idx是具有单词到索引映射的字典
class SentimentNet(nn.Module):
def __init__(self, vocab_size, output_size, embedding_dim, hidden_dim, n_layers, drop_prob=0.5):
super(SentimentNet, self).__init__()
self.output_size = output_size
self.n_layers = n_layers
self.hidden_dim = hidden_dim
self.embedding = nn.Embedding(vocab_size, embedding_dim)
self.lstm = nn.LSTM(embedding_dim, hidden_dim, n_layers, dropout=drop_prob, batch_first=True)
self.dropout = nn.Dropout(drop_prob)
self.fc = nn.Linear(hidden_dim, output_size)
self.sigmoid = nn.Sigmoid()
vocab_size = len(word2idx) + 1
output_size = 1
embedding_dim = 400
hidden_dim = 512
n_layers = 2谁能告诉我vocal_size，embedding_dim，hidden_dim是什么意思？
回答 1
Stack Overflow用户
回答已采纳
发布于 2019-09-22 21:37:29
递归神经网络(LSTM)，在其最基本的层次上，仅仅是一种密集连接的神经网络。
隐藏维度基本上是每层中的节点数(例如，在多层感知器中)
嵌入大小告诉您特征向量的大小(模型使用嵌入的单词作为输入)
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/58053525
复制相关文章
相似问题
腾讯云开发者
