Richard14

@murmur 简明

@rpman 没有啥发现不发现的吧，现在就是在按顺序学习，但是没有老师学得不好。1L 忘说了，位置编码对情感分析类任务应该是效果更好的，但是我觉得序列任务 lstm 肯定还是有用处不能不了解，所以这贴里不讨论位置编码相关的。。

@conhost 我是查了一些 rnn 的 torch 范例，然后里面设置的都是 batch_first=True ，所以我的文件读取完自然逻辑上输入格式是[32,20,8]，我觉得 rnn 理解还是比较抽象，不太理解过程，但是观察到经过 nn.LSTM 变换后它改变的是-1 维度，所以就互换 23 变成[32,8,20]，但是这种情况下 8 这个维度的含义就令人疑惑，网上一些基础范例，比如输入一个简单的 y=x^2 的数据，输入是一维的，比如[32, 20]这种比较好理解，加一维不太懂

@conhost 大佬，再问一下，rnn 的输入维度应该怎么理解。我现在假设用 8 个向量表示一个词，rnn 序列循环长度为 20 ，batch size 是 32 ，准备好的输入数据的 shape 就是[32, 20, 8]，假设三个维度分别用 123 表示

然后将结尾两个维度 2 和 3 互换，再输入 nn.LSTM(20, 64)，会得到一个[32, 8, 64]的数据。这里应该如何理解 8 这个维度呢，循环输入的数据是 20 这个维度吗？网上图解一般是一个输入到一个输出，比较好理解，比如输入是 20 输出也是 20 ，但是 lstm 实际上又可以输入 20 输出 64 ，实在是搞不懂了。。

@conhost CV 有很多项目可以参考，网上教学一般也是从 CNN 开始教起，学完就知道大概设计一个 CNN 网络是个什么形状，叠几层 CNN ，池化，dropout ，全连接层之类的，RNN 有类似的项目可以参考吗？我现在一个人拿着一个 nn.LSTM 在风中凌乱，看网上的例子是一个 lstm 层后面接一层 dense 就输出了，我很质疑生产上大家是这么做的？感觉有点太简单了

@conhost 谢谢，项目地址慢慢学习，很有帮助。NLP 方面 BERT 出来以后 RNN 过气了，但是我看到一些资料说在很多场景中 RNN 还在用，尤其是涉及到计算资源限制方面的，就想都从头了解一下。

所以这里的 LSTM 应该类比类似 CNN 这种结构，是由框架库提供的基础组件，一般不去设计其内部的具体实现方式？

实际生产中使用模型是需要多个 RNN 层叠加实现效果吗，就像多个 CNN 叠加一样？类似方面有什么资料可以参考吗，具体结构，超参调整之类的，不像 CNN 上感觉有很多模型可以参考，RNN 完全一头雾水没有概念应该怎么做

@leeyuzhe 网上教学直接复制的，没注意句号还是错的，害人不浅啊

@SenLief
@fkdtz
@hsfzxjy loguru 很好用，试了下 logger.exception 打印信息很全。一个问题是这个默认输出的是 error 级别的，有无方法调整成 warning 级别。有一些非关键错误想用 warning ，后面还会接一个日志分析，如果 error 就告警，warning 就忽略之类的。。。

@leeyuzhe