在 PyTorch 的指针生成器模型中，LSTM 之后的维数是如何确定的？

Question

我不明白为什么在编码中应用全连接层时输入和输出维度的数量2 * config.hidden_dim class（在最后一行提到）？

class Encoder(nn.Module):
    def __init__(self):
        super(Encoder, self).__init__()
        self.embedding = nn.Embedding(config.vocab_size, config.emb_dim)
        init_wt_normal(self.embedding.weight)

        self.lstm = nn.LSTM(
            config.emb_dim, config.hidden_dim, num_layers=1, 
            batch_first=True, bidirectional=True)
        init_lstm_wt(self.lstm)

        self.W_h = nn.Linear(
            config.hidden_dim * 2, config.hidden_dim * 2, bias=False)

代码取自https://github.com/atulkum/pointer_summarizer/blob/master/training_ptr_gen/model.py 请解释

Answer 1

原因是 LSTM 层是双向的，即实际上有两个 LSTM，每个 LSTM 处理来自每个方向的输入。它们都是 return 维度 config.hidden_dim 的向量，这些向量连接成 2 * config.hidden_dim.

的向量

在 PyTorch 的指针生成器模型中，LSTM 之后的维数是如何确定的？

How have the number of dimensions after LSTM been decided in Pointer Generator Model in PyTorch?

nlp

lstm

encoder-decoder

pytorch

seq2seq