[ 输入参数用法不一致 ]torch.nn.RNN

torch.nn.RNN

torch.nn.RNN(input_size,
             hidden_size,
             num_layers=1,
             nonlinearity='tanh',
             bias=True,
             batch_first=False,
             dropout=0,
             bidirectional=False)

paddle.nn.SimpleRNN

paddle.nn.SimpleRNN(input_size, hidden_size, num_layers=1, activation='tanh', direction='forward', dropout=0., time_major=False, weight_ih_attr=None, weight_hh_attr=None, bias_ih_attr=None, bias_hh_attr=None)

两者功能一致但参数不一致，部分参数名不同，具体如下：

参数映射

PyTorch PaddlePaddle 备注
input_size input_size 表示输入 x 的大小。
hidden_size hidden_size 表示隐藏状态 h 大小。
num_layers num_layers 表示循环网络的层数。
nonlinearity activation 表示激活函数类型，仅参数名不一致。
bias bias_ih_attr, bias_hh_attr 是否使用偏置， Paddle 支持自定义偏置属性， torch 不支持，需要转写。
batch_first time_major PyTorch 表示 batch size 是否为第一维，PaddlePaddle 表示 time steps 是否为第一维，它们的意义相反。需要转写。
dropout dropout 表示 dropout 概率。
bidirectional direction PyTorch 表示是否进行双向 RNN，Paddle 使用字符串表示是双向 RNN（bidirectional）还是单向 RNN（forward）。
- weight_ih_attr weight_ih 的参数， PyTorch 无此参数， Paddle 保持默认即可。
- weight_hh_attr weight_hh 的参数， PyTorch 无此参数， Paddle 保持默认即可。

转写示例

bias：是否使用偏置

# PyTorch 写法
torch.nn.RNN(16, 32, bias=True)

# Paddle 写法
paddle.nn.SimpleRNN(16, 32)

# PyTorch 写法
torch.nn.RNN(16, 32, bias=False)

# Paddle 写法
paddle.nn.SimpleRNN(16, 32, bias_ih_attr=False, bias_hh_attr=False)

batch_first：batch size 是否为第一维

# PyTorch 写法
torch.nn.RNN(16, 32, batch_first=True)

# Paddle 写法
paddle.nn.SimpleRNN(16, 32, time_major=False)

bidirectional：是否进行双向

# PyTorch 写法
torch.nn.RNN(16, 32, bidirectional=True)

# Paddle 写法
paddle.nn.RNN(16, 32, direction='bidirectional')

# PyTorch 写法
torch.nn.RNN(16, 32, bidirectional=False)

# Paddle 写法
paddle.nn.RNN(16, 32, direction='forward')