deep-learning - PyTorch GRU返回中处于隐藏状态的层顺序

这是我正在查看的API，https://pytorch.org/docs/stable/nn.html#gru

它输出:

形状(seq_len，批处理，num_directions * hidden_​​size)的output

形状(num_layers * num_directions，batch，hidden_​​size)的h_n

对于具有多于一层的GRU，我想知道如何获取最后一层的隐藏状态，应该是h_n[0]还是h_n[-1]？

如果是双向的，该如何切片以获取两个方向上GRU的最后一个隐藏层状态？

最佳答案

文档nn.GRU对此很清楚。这是一个使它更加明确的示例:
对于单向GRU/LSTM(具有多个隐藏层):output-将包含所有时间步的所有输出功能th_n-将返回所有层的隐藏状态(在最后一个时间步)。
要获取最后一个隐藏层和最后一个时间步的隐藏状态，请使用:

first_hidden_layer_last_timestep = h_n[0]
last_hidden_layer_last_timestep = h_n[-1]

其中n是序列长度。

这是因为说明说:
num_layers –循环图层数。例如，设置num_layers=2意味着将两个GRU堆叠在一起以形成堆叠的GRU，而第二个GRU则接收第一个GRU的输出并计算最终结果。
因此，自然也很直观地以相同的顺序相应地返回结果(即隐藏状态)。

关于deep-learning - PyTorch GRU返回中处于隐藏状态的层顺序，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/54242123/