LSTM参数详解

        LSTM（长短期记忆网络）是一种特殊类型的循环神经网络（RNN），主要用于处理和预测序列数据的重要模型。以下是LSTM的主要参数及其含义（前两个参数必填）：

1. input_size: 输入特征的维度，即每个时间步输入张量的大小。
2. hidden_size: 隐藏层的特征数量。它定义了LSTM单元输出的特征的维度。
3. num_layers: LSTM堆叠的层数。多层LSTM可以增加模型的复杂度和能力。
4. bias: 如果为True，则在LSTM单元中添加偏置。
5. batch_first: 如果设置为True，则输入和输出张量的批处理维度(batch_size)将是第一维（形状为[batch_size, seq_len, feature]），否则第二维（默认情况下是[seq_len, batch_size, feature]）。
6. dropout: 如果大于0，则在除最后一层外的每层后添加一个Dropout层。Dropout可以防止网络过拟合。
7. bidirectional: 如果为True，则成为双向LSTM。双向LSTM可以从两个方向处理序列数据，通常能够提高模型性能。