目录

1. nn.LSTM

初始化函数输入参数与RNN相同，分别是input_size，hidden_size和num_layer

在这里插入图片描述
foward函数也与RNN类似，只不过返回值除了out外，ht变为(ht,ct)
在这里插入图片描述
代码见下图：
在这里插入图片描述

2. nn.LSTMCell

初始化函数输入参数与nn.LSTM类似
在这里插入图片描述
forward函数与nn.LSTM的区别是没有out
在这里插入图片描述
单层代码如下图：
和RNN的Cell类似，Cell单元循环更新h,c
在这里插入图片描述
2层无非就是多创建了一个cell2、h2、c2，并同时循环更新h1,c1,h2,c2，多层以此类推。
在这里插入图片描述

# pytorch # lstm # 人工智能
Logo
加入AMD AI开发者计划！

免费领 200 小时云算力，进群参与显卡、AI PC 幸运抽奖

更多推荐

cover

白嫖48GB显存跑DeepSeek！AMD云GPU私有化部署实战

avatar AMD开发者中国社区

PyTorch性能分析终极指南：从新手到专家的完整调试流程

你是否曾经遇到过这样的困境：PyTorch模型训练速度缓慢，内存占用过高，却不知道问题出在哪里？或者花费大量时间调整超参数，但效果甚微？在深度学习开发中，性能瓶颈往往是阻碍模型部署和产品化的最大障碍。本文将为你提供一套完整的PyTorch性能分析和优化指南，帮助你快速定位问题、提升模型效率，让你的深度学习项目跑得更快、更稳。## 痛点分析：为什么你的PyTorch模型跑得慢？在开始技术细节

avatar AMD开发者中国社区

PyTorch性能优化终极指南：Profiler与TensorBoard实战应用

你是否曾经遇到过这样的困扰？🤔 模型训练速度慢如蜗牛，却不知道问题出在哪里；内存消耗飙升，却无法定位具体原因；模型精度不达标，却难以分析问题根源。在深度学习开发中，性能瓶颈就像隐形的敌人，让你花费大量时间却收效甚微。今天，让我们一起探索PyTorch性能优化的两大神器——Profiler和TensorBoard，让你的模型开发效率提升10倍以上！PyTorch作为当前最流行的深度学习框架之一

avatar AMD开发者中国社区