python-3.x - 这个 Rnn 函数的最后一行是什么意思？

Question

我是来问一个菜鸟问题的。

class RNN(nn.Module):
    def __init__(self, input_size, hidden_size, num_layers, num_classes):
        super(RNN, self).__init__()
        self.hidden_size = hidden_size
        self.num_layers = num_layers
        self.rnn = nn.RNN(input_size, hidden_size, num_layers, batch_first=True)
        self.fc = nn.Linear(hidden_size*2, num_classes)
    
    def forward(self, x):
        h0 = torch.zeros(self.num_layers*2, x.size(0), self.hidden_size).to(device)
        out, _ = self.rnn(x, h0)  # out: tensor of shape (batch_size, seq_length, hidden_size)
        out = self.fc(out[:, -1, :])
        return out

这里是什么out = self.fc(out[:, -1, :])意思？还有为什么里面有一个“_” out, _ = self.rnn(x, h0)？

标签： python-3.xpytorchrecurrent-neural-network

Answer 1

该行out = self.fc(out[:, -1, :])使用负索引： out 是一个张量 shape batch_size x seq_length x hidden_size，因此 out[:, 1, :] 将返回沿第二维（或轴）的第一个元素，并out[:, -1, :]沿第二维返回最后一个元素。它相当于out[:, seq_length-1, :].

下划线 inout, _ = self.rnn(x, h0)表示self.rnn(x, h0)返回两个输出，out 分配给第一个输出，第二个输出没有分配给任何东西，所以_是占位符。