Python 将批传递到PyTorch模型

我正在尝试培训PyTorch LSTM模型，其定义如下：

class RecurrentNet(torch.nn.Module):
    def __init__(self, d_in, d_hidden, sequence_length):
        super(RecurrentNet, self).__init__()
        self.d_in = d_in
        self.d_hidden = d_hidden
        self.sequence_length = sequence_length
        self.lstm = torch.nn.LSTM(input_size=d_in,  hidden_size=d_hidden, num_layers=sequence_length)
        self.fc = nn.Linear(d_hidden, 1)
        
    def forward(self, x):
        out, hidden =  self.lstm(x)
        y_pred = F.relu(self.fc(out[-1][-1]))
        return y_pred

model = RecurrentNet(28, 3, l)

我已经以len 32批次的形式准备了我的数据，每个实例的尺寸为6 x 28，即

火炬尺寸（[6,28]）

。这意味着总输入张量是size

torch.size（[32,6,28]）

，标签size

torch.size（[32,1]）

当我将一个实例传递给未经训练的模型时，它会像预期的那样返回一个整数。当我通过32个整数的张量时，它返回：

tensor([0.], grad_fn=<ReluBackward0>)

张量（[0.]，梯度fn=）

---

我希望这个输入有一个32x1的输出张量。在准备培训数据时，我是否遗漏了一些内容？

您可能需要向LSTM构造函数添加

batch_first=True

，该构造函数告诉该层它应该首先使用批dim。