RNN(pytorch) 输出和隐藏状态是如何真正计算出来的?

问题描述

一个问题

torch.rnn() 如何真正以数学方式计算输出和隐藏状态?

全连接神经元中,输出输入参数间的矩阵乘法计算得出。 但在 RNN 中如何计算。

第二个问题

为什么将输入重新整形到 rnn 会得到不同的结果?

示例:

rnn = nn.RNN(3,5)
input1 = torch.ones(1,4,3)
input2 = torch.ones(4,1,3)
out1 = rnn(input1)
out2 = rnn(input2)

为什么 out1 和 out2 输出不同?

解决方法

暂无找到可以解决该程序问题的有效方法,小编努力寻找整理中!

如果你已经找到好的解决方法,欢迎将解决方案带上本链接一起发送给小编。

小编邮箱:dio#foxmail.com (将#修改为@)