新手尝试用LSTM进行字段分类, 数据集如下

Data ----- Label

DKWL----0
FCHN----0
KDQP----0
IHGS----1
....

然后我进行了编码:

00011101000001000111-----1
.....
shape:(N,20)

接下来 我建造了网络:

class RNN(nn.Module):
   def __init__(self):
       super(RNN, self).__init__()

       self.rnn = nn.LSTM(    
           input_size=20,     # 每个sample有20个feature
           hidden_size=64,    
           num_layers=1,      
           batch_first=True,  
       )

       self.out = nn.Linear(64, 2) # 2分类问题,所以output设置成了2

   def forward(self, x):
       r_out, (h_n, h_c) = self.rnn(x, None)  
       out = self.out(r_out[:, -1, :])
       return out

最后开始训练:

for epoch in range(EPOCH):
   for step, (x, b_y) in enumerate(train_loader):   # gives batch data
       b_x = x.view(-1, ?, ?)  
#这里的reshape我应该设置为多少? 按照教程,应该设置为(batch, time_step, input_size)的形式,因为我想让网络记住每个sample的feature的sequence,所以我把time_step设置成了20(一个sample有20个featur,最后我得到了(-1,20,20),但是会报错,然后我又改成了(-1,1,20), 这就没问题了,但是改成这样,是不是就没有记住feature的sequence?

       output = rnn(b_x)              
       loss = loss_func(output, b_y)  
       optimizer.zero_grad()          
       loss.backward()                
       optimizer.step()