Ожидаемые размеры скрытого состояния LSTM не учитывают размер пакета

У меня есть модель декодера, которая должна принимать пакеты вложений предложений (размер пакета = 50, скрытый размер =300) в качестве входных данных и выводить пакет одного горячего представления предсказанных предложений:

class DecoderLSTMwithBatchSupport(nn.Module):
        # Your code goes here
        def __init__(self, embedding_size,batch_size, hidden_size, output_size):
            super(DecoderLSTMwithBatchSupport, self).__init__()
            self.hidden_size = hidden_size
            self.batch_size = batch_size
            self.lstm = nn.LSTM(input_size=embedding_size,num_layers=1, hidden_size=hidden_size, batch_first=True)
            self.out = nn.Linear(hidden_size, output_size)
            self.softmax = nn.LogSoftmax(dim=1)

        def forward(self, my_input, hidden):
            print(type(my_input), type(hidden))
            output, hidden = self.lstm(my_input, hidden)
            output = self.softmax(self.out(output[0]))
            return output, hidden

        def initHidden(self):
            return Variable(torch.zeros(1, self.batch_size, self.hidden_size)).cuda()

Тем не менее, когда я запускаю его с помощью:

decoder=DecoderLSTMwithBatchSupport(vocabularySize,batch_size, 300, vocabularySize)
decoder.cuda()
decoder_input=np.zeros([batch_size,vocabularySize])
    for i in range(batch_size):
        decoder_input[i] = embeddings[SOS_token]
    decoder_input=Variable(torch.from_numpy(decoder_input)).cuda()
    decoder_hidden = (decoder.initHidden(),decoder.initHidden())
        for di in range(target_length):
            decoder_output, decoder_hidden = decoder(decoder_input.view(1,batch_size,-1), decoder_hidden)

Я получаю следующую ошибку:

Ожидаемый скрытый [0] размер (1, 1, 300), полученный (1, 50, 300)

Чего мне не хватает, чтобы модель ожидала пакетные скрытые состояния?

Источник

2 ответа

Решение

Когда вы создаете LSTM, флаг batch_first не является необходимым, потому что он принимает другую форму вашего ввода. Из документов:

Если True, то входные и выходные тензоры предоставляются как (batch, seq, feature). По умолчанию: False

измените создание LSTM на:

self.lstm = nn.LSTM(input_size=embedding_size, num_layers=1, hidden_size=hidden_size)

Также есть ошибка типа. Когда вы создаете decoder_input с помощью torch.from_numpy() оно имеет dtype=torch.float64, в то время как decoder_input по умолчанию dtype=torch.float32, Измените строку, где вы создаете decoder_input что-то вроде

decoder_input = Variable(torch.from_numpy(decoder_input)).cuda().float()

С обоими изменениями он должен нормально работать:)

Источник

Измените .view(), чтобы отразить [1, размер пакета, embedding_size] в качестве первого измерения.

Кроме того, вам не нужно инициализировать нулевой тензор, Pytorch использует нулевой тензор, если в качестве начального тензора не предоставлено никаких тензоров.

Источник
Другие вопросы по тегам