Neural network 在Pytorch培训RNN

我想有一个RNN模型，并教它学习从“hihell”生成“ihello”。我是Pytorch的新手，按照视频中的说明编写代码。 我已经编写了两个python文件，分别名为

train.py

和

model.py

。 这是

model.py

：

#----------------向ihello教授hihell的模型
#-----------------我们的模型---------------------
进口火炬
导入torch.nn作为nn
从火炬进口自动广告
类模型（nn.Module）：
定义初始化（自）：
超级（模型，自我）。\uuuu初始化
self.rnn=nn.rnn（input\u size=input\u size，hidden\u size=hidden\u size，batch\u first=True）
def forward（自身、x、隐藏）：
#重塑输入（批次大小、序列长度、输入大小）
x=x.view（批次大小、序列长度、输入大小）
#通过RNN传播输入
#输入：（批次，序号+长度，输入大小）
out，hidden=self.rnn（x，hidden）
out=out.view（-1，num\u类）
返回隐藏，退出
def init_隐藏（自）：
#初始化隐藏和单元格状态
#（层数*层数方向、批次、隐藏大小）
返回autograd.Variable（torch.zero（层数、批次大小、隐藏大小））

这是

train.py

：

“”-----------------培训将rnn教给hihell教给ihello------------------------------------------------
#-----------------数据准备---------------------
#进口
进口火炬
导入torch.nn作为nn
从火炬进口自动广告
从模型导入模型
导入系统
idx2char=['h'，'i'，'e'，'l'，'o']
#教hihell->ihello
x#u数据=[0,1,0,2,3,3]#hihell
y#u数据=[1,0,2,3,3,4]#ihello
一个热查找=[[1,0,0,0,0]，#0
[0,1,0,0,0],#1
[0,0,1,0,0],#2
[0,0,0,1,0],#3
[0,0,0,0,1]]#4
x_one_hot=[x_数据中x的one_hot_查找[x]
输入=自动加载变量（火炬张量（x_one_hot））
标签=自动标签变量（火炬长传感器（y_数据））
“”--------参数初始化------------------“”
num_classes=5
输入尺寸=5#一个热尺寸
隐藏的_大小=5#从LSTM输出直接预测onr热
批次大小=1#一个序列
序列长度=1#让我们一个接一个地做
层数=1#一层RNN
“”------------------损失和培训------------------”
#实例化RNN模型
模型=模型（）
#设置损失和优化器功能
#CrossEntropyLoss=LogSoftmax+NLLLOSS
标准=torch.nn.CrossEntropyLoss（）
optimizer=torch.optim.Adam（model.parameters（），lr=0.1）
“”------------------培训模型-----------------“”
对于范围内的历元（100）：
optimizer.zero_grad（）
损失=0
hidden=model.init_hidden（）
sys.stdout.write（“预测字符串：”）
对于输入，在zip中添加标签（输入，标签）：
#打印（input.size（），label.size（））
隐藏，输出=模型（输入，隐藏）
val，idx=输出最大值（1）
sys.stdout.write（idx2char[idx.data[0]]
损失+=标准（输出、标签）
打印（“，历元：%d，损失：%1.3f”%（历元+1，损失。数据[0]））
loss.backward（）
optimizer.step（）

当我运行

train.py

时，我收到以下错误：

self.rnn=nn.rnn（input\u size=input\u size，hidden\u size=hidden\u size，batch\u first=True） 名称错误：未定义名称“输入大小”

---

我不知道为什么会收到此错误，因为我的代码的上面几行中有

input\u size=5

。有人能帮我吗？谢谢。

在

train.py

（

num\u classes

，

input\u size

，…）中定义的变量范围是

train.py

本身。它们仅在此文件中可见。

model.py

忽略了这些。 我建议在构造函数中包含以下参数：

class Model(nn.Module):
  def __init__(self, hidden_size, input_size):
    # same

然后将模型称为：

model = Model(hidden_size, input_size)

---

类似地，对于您在

train.py

中定义的其他变量（并且希望在

model.py

中使用它们），您必须将它们作为参数传递给各自的函数或构造函数，并将它们存储为属性。

在

train.py

中定义的变量范围（

num_classes

，

input_size

，…）是

train.py

本身。它们仅在此文件中可见。

model.py

对这些内容不起作用。 我建议在构造函数中包含以下参数：

class Model(nn.Module):
  def __init__(self, hidden_size, input_size):
    # same

然后将模型称为：

model = Model(hidden_size, input_size)

类似地，对于在

train.py

中定义的其他变量（并且希望在

model.py

中使用它们），您必须将它们作为参数传递给各自的函数或构造函数，并将它们作为属性存储