LSTM中的hidden_dim和embed_size是什么意思？

Question

我正在尝试学习 RNN 和 LSTM。我浏览了一个情绪分析教程。下面是教程中的代码 I，其中 word2idx 是一个包含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的意思？

Answer 1

递归神经网络 (LSTM)，在其最基本的层面上，只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（模型使用嵌入词作为输入）

here some details

LSTM中的hidden_dim和embed_size是什么意思？

What is the meaning of hidden_dim and embed_size in LSTM?

python

lstm

recurrent-neural-network