LSTM 网络中有关维数的理解

[Richard14]

pytorch 调用 nn.LSTM 的代码，github 上搜了一些范例代码感觉那些写代码的人思路上也挺混乱的。比如 batch_size 是 32, 最大序列长度 50 ，每个词用 10 个向量表示，那么 dataloader 给出的数据形状应该是[32, 50, 10]

import torch.nn as nn

input = torch.randn(32, 50, 10)
lstm_layer = nn.LSTM(10, 20, 1, batch_first=True)
output, (_, _) = lstm_layer(input)
# 输出形状是[32, 50, 20]

看网上很多文章都是按上述代码的方式输入的，是不是使用错误了？网上文章都说输入序列在 batch_first 的情况下应该是[batch_size, seq_len, input_dim]，包括 torch 的文档里也是这么写的。

但是又有些代码的写法是要转换-1 和-2 维，即输入[32, 10, 50]->LSTM(50,100,batch_first=True)->输出[32, 10, 100]这种感觉的形状。

想问一下按人类的逻辑（ RNN 应该按序列顺序循环输入，即循环 50 次）应该采用上述哪种写法？正常来说应该是按文档要求的写，但是诡异的是转换维数的那些代码也能跑而且还能收敛，这是咋回事。。

[heqing]

[batch_size, seq_len, input_dim]应该是正确写法

[rpman]

一般习惯是[batch_size, seq_len, input_dim]

[Richard14]

@heqing
@rpman 那是不是可以理解为，它会循环 seq_len 次，然后把词向量升维到某维度，比如 lstm 的 input 是 10 ，hiddenlayer 是 512 的话就是等于 10 维升到 512 维，然后比如双向 lstm 的话就到 1024 维这样？