Enlace de código original: ConvLSTM_pytorch
Materiales de referencia:
Explicación de los parámetros de LSTM Parámetros
de entrada y salida de Pytorch-LSTM Detalles de los parámetros de
ConvLSTM (Keras)
1. Importar pytorch
import torch
import torch.nn as nn
2. Construya ConvLSTMCell
class ConvLSTMCell(nn.Module):
#这里面全都是数，衡量后面输入数据的维度/通道尺寸
def __init__(self, input_dim, hidden_dim, kernel_size, bias):
super(ConvLSTMCell,self).__init__()
self.input_dim = input_dim
self.hidden_dim = hidden_dim
#卷积核为一个数组
self.kernel_size = kernel_size
#填充为高和宽分别填充的尺寸
self.padding_size = kernel_size[0]//2,kernel_size[1]//2
self.bias = bias
self.conv = nn.Conv2d(self.input_dim + self.hidden_dim,
4 * self.hidden_dim,#4* 是因为后面输出时要切4片
self.kernel_size,
padding=self.padding_size,
bias=self.bias)
def forward(self,input_tensor,cur_state):
h_cur,c_cur = cur_state
combined = torch.cat((input_tensor,h_cur),dim=1)
combined_conv = self.conv(combined)
cc_f,cc_i,cc_o,cc_g = torch.split(combined_conv, self.hidden_dim, dim=1)
#torch.sigmoid(),激活函数--
#nn.functional中的函数仅仅定义了一些具体的基本操作，
#不能构成PyTorch中的一个layer
#torch.nn.Sigmoid()(input)等价于torch.sigmoid(input)
f = torch.sigmoid(cc_f)
i = torch.sigmoid(cc_i)
o = torch.sigmoid(cc_o)
g = torch.tanh(cc_g)
#这里的乘是矩阵对应元素相乘，哈达玛乘积
c_next = f*c_cur + i*g
h_next = o*nn.Tanh(c_next)
def init_hidden(self,batch_size, image_size):
heigth,weight = image_size
#返回两个是因为cell的尺寸与h一样
return(torch.zeros(batch_size, self.hidden_dim, height, width, device=self.conv.weight.device),
torch.zeros(batch_size, self.hidden_dim, height, width, device=self.conv.weight.device))
Problemas encontrados al construir ConvLSTMCell:
(1) Parámetro de modelo
input_dim: la dimensión de la característica de entrada, el número de elementos de entrada en cada línea y la longitud de cada vector de palabra en la serie de tiempo correspondiente. Si la entrada es una imagen, es el número de canales de imagen.
hidden_dim: la dimensión del estado de la capa oculta, es decir, el número de nodos de la capa oculta
kernel_size: el tamaño de la convolución
sesgo del kernel : sesgo
(2) El parámetro de entrada hacia adelante
input_tensor: la imagen de entrada en sí, incluyendo batch_size, h, w
cur_state: incluyendo h, c; aquí h, c son los mismos que la composición de datos de la entrada x (input_tensor)
(3) La diferencia en el uso de la función de activación
torch.nn.Sigmoid () (entrada) es equivalente a torch.sigmoid (entrada). La función en nn.functional solo define algunas operaciones básicas específicas y no puede formar una capa en PyTorch . Orch.nn.Sigmoid () (entrada) y torch.sigmoid (entrada) pueden considerarse clases encapsuladas, mientras que nn.functional.sigmoid es solo un método de cálculo, que solo realiza cálculos sigmoides.
Para conocer las diferencias específicas, consulte: torch.sigmoid () frente a torch.nn.Sigmoid () python
(4) El parámetro devuelto por init_hidden initialization
batch_size: la cantidad de datos que se procesarán en el lote
self.hidden_dim: el número de nodos de capa ocultos
altura: la altura de la imagen
ancho: el ancho de la imagen
dispositivo = self.conv.weight.device: seleccione el dispositivo
porque está oculto y Los componentes de los datos ocultos que se usan más adelante son los mismos, y debido a que ht se usará como entrada de la siguiente capa de xt, los componentes de xt también deberían ser los mismos. Lo entiendo de esta manera y obtengo la explicación de los parámetros anteriores. Una vez que tenga una comprensión profunda, volveré para corregirlo.
3. Cree ConvLSTM
class ConvLstm(nn.Module):
def __init__(self,input_dim,hidden_dim,kernel_size,num_layers,batch_first=False,bias=False,return_all_layers=False):
super(ConvLstm,self).__init__()
self.input_dim = input_dim
self.hidden_dim = hidden_dim
self.kernel_size = kernel_size
self.num_layers = num_layers
self.batch_first = batch_first
self.bias = bias
self.return_all_layers = return_all_layers
#为了储存每一层的参数尺寸
cell_list = []
for i in range(0,num_layers):
#注意这里利用lstm单元得出到了输出h，h再作为下一层的输入，依次得到每一层的数据维度并储存
cur_input_dim = input_dim if i == 0 else self.hidden_dim[i-1]
cell_list.append(ConvLSTMCell(input_dim = cur_input_dim,
hidden_dim = self.hidden_dim,
kernel_size = self.kernel_size,
bias = self.bias
))
#将上面循环得到的每一层的参数尺寸/维度，储存在self.cell_list中，后面会用到
#注意这里用了ModuLelist函数，模块化列表
self.cell_list = nn.ModuleList(cell_list)
#这里forward有两个输入参数，input_tensor 是一个五维数据
#（t时间步,b输入batch_ize,c输出数据通道数--维度,h,w图像高乘宽）
#hidden_state=None 默认刚输入hidden_state为空，等着后面给初始化
def forward(self,input_tensor,hidden_state=None):
#先调整一下输出数据的排列
if not self.batch_first:
input_tensor = input_tensor.permute(1,0,2,3,4)
#取出图片的数据，供下面初始化使用
b,_,_,h,w = input_tensor.size()
#初始化hidd_state,利用后面和lstm单元中的初始化函数
hidden_state = self._init_hidden(batch_size=b,image_size=(h, w))
#储存输出数据的列表
layer_output_list = []
layer_state_list = []
seq_len = input_tensor.size(1)
#初始化输入数据
cur_layer_input = input_tensor
for layer_idx in range(self.num_layers):
h,c = hidden_state[layer_idx]
output_inner = []
for t in range(seq_len):
#每一个时间步都更新 h,c
#注意这里self.cell_list是一个模块(容器)
h,c = self.cell_list[layer_idx](input_tensor=cur_layer_input[:,t,:,:,:],cur_state=[h,c])
#储存输出，注意这里 h 就是此时间步的输出
output_inner.append(h)
#这一层的输出作为下一次层的输入,
layer_output = torch.stack(output_inner, dim=1)
cur_layer_input = layer_output
layer_output_list.append(layer_output)
#储存每一层的状态h，c
layer_state_list.append([h,c])
#选择要输出所有数据，还是输出最后一层的数据
if not self.return_all_layers:
layer_output_list = layer_output_list[-1:]
last_state_list = last_state_list[-1:]
return layer_output_list, last_state_list
def _init_hidden(self, batch_size, image_size):
init_states = []
for i in range(self.num_layers):
init_states.append(self.cell_list[i].init_hidden(batch_size, image_size))
return init_states
Problemas encontrados al construir ConvLSTM:
(1) Parámetro de modelo
input_dim: dimensión de la entidad de entrada
hidden_dim: dimensión del estado de la capa oculta (número de nodos de capa ocultos)
kernel_size: convolución tamaño del kernel
num_layers: capa, entendido como profundidad de red
batch_first: control t (paso de tiempo) Ya sea para poner en la primera dimensión o en la segunda dimensión, el funcionario no recomienda que coloquemos el lote en la primera dimensión. Bias:
bias
return_all_layers: si devolver todas las capas
(2) El parámetro de avance
t: longitud del paso de tiempo (seq_len)
b: tamaño del lote, la cantidad de datos procesados en el lote
c: número de canales (R, G, B)
h: altura de la imagen
w: ancho de la imagen
(3) _init_hidden (self, batch_size, image_size)
Esta función llama a la función init_hidden en ConvLSTMCell y finalmente obtiene el hidden_state inicial. Tenga en cuenta que la inicialización hidden_state de cada capa se redefine. La salida h de cada capa se usa como x, pero en la primera La primera h del paso de tiempo de la segunda capa aún debe inicializarse.
Inserte una imagen para facilitar la comprensión: 
final