每天五分钟玩转深度学习PyTorch：搭建LSTM算法模型完成词性标注

本文重点

本文通过LSTM算法模型来解决一个实际问题，也就是如何使用LSTM完成词性预测，下面我们搭建两个模型，一个是单词级别的，另外一个是字母级别的，大概的步骤就是，字母级别的LSTM将每个单词的字母作为输入，然后取最后一个时刻作为整个单词的表示，然后将文本中所有的单词的表示stack组合构成最终的文本向量表示，然后和文本数据经过embedding层编码的向量表示cat起来，共同输入到单词级别的LSTM中，然后完成最终的词性预测。

这里看起来可能有些模糊，下面我们通过实例来看一下模型是怎么搭建和训练的

模型的搭建

class Char_lstm(nn.Module):
 def __init__(self,n_char,char_dim,char_hidden):
 super(Char_lstm,self).__init__()
 self.emb=nn.Embedding(n_char,char_dim)
 self.lstm=nn.LSTM(char_dim,char_hidden)
 def forward(self,x):
 x=self.emb(x)
 out,_=self.lstm(x)
 return out[-1,:,:]