我是 Pytorch 的新手，正在尝试实现 lstm 字符级 seq2seq 模型。我想做的是：每个序列都是一个特定单词的字符列表，几个单词将创建一个 minibatch，它也代表一个句子。现在，在我对每个序列（在我的例子中是字符嵌入列表）的理解中，都会有一个最终的隐藏状态。所以，如果有两个字符序列（两个词），就会有两个隐藏状态，每个隐藏状态代表一个词。我什至没有考虑可变长度序列。我也不明白如果序列长度是可变的，为什么会出现问题。在每个特定序列中都有元素之前，lstm 不应该循环吗？迭代次数不应该是静态的，对吧？这是我尝试过的代码：

character_embedding = nn.Embedding(17,5)
#LSTM with input embedding dimention 5, and expected hidden state dimention 3
lstm = nn.LSTM(5,3)
#each vector is a word and there are two words with same number of character
char_embeds=character_embedding(torch.tensor([[1,2,3,4,5],[4,5,6,7,8]]))
#out will contain all the hidden states for each character and hidden sould contain final hidden state for each sequence
out, hidden=lstm(char_embeds)
print("char_embeds: ")
print(char_embeds)
print("hidden: ")
print(hidden[0])

输出：

char_embeds: 
tensor([[[ 1.0157, -0.2197,  1.6615, -1.2916, -0.6116],
         [ 0.5630, -0.9618,  0.7287, -0.5727,  1.6796],
         [ 0.9902, -0.5408,  0.9785, -1.1090,  1.1126],
         [ 0.7472,  0.0440,  1.0629, -0.7375,  0.0828],
         [ 0.6632, -0.4523,  0.5051,  2.6031,  0.3798]],

        [[ 0.7472,  0.0440,  1.0629, -0.7375,  0.0828],
         [ 0.6632, -0.4523,  0.5051,  2.6031,  0.3798],
         [-0.6522, -3.2626,  0.7967, -1.0322,  0.4667],
         [-0.5086,  0.5142, -0.7141, -1.5352,  0.4177],
         [-0.0582,  1.3398, -0.2829,  0.1392,  1.0709]]],
       grad_fn=<EmbeddingBackward>)
hidden: 
tensor([[[-0.2774,  0.0724, -0.4297],
         [-0.4580,  0.1563, -0.5811],
         [-0.5492, -0.2314,  0.3473],
         [-0.0772,  0.2474, -0.1026],
         [-0.1042,  0.4394, -0.3582]]], grad_fn=<StackBackward>)

在这里，我希望有两个隐藏状态，因为有两个序列。但我得到了 5 个隐藏状态。那是什么？我错过了什么？

第二个问题是，为什么 LSTM 不能处理变长序列？