ch 09 练习9.3.1 从零开始实现两层循环神经网络 代码不完整？

[YueZhengMeng]

原解答代码中，更新 H2 时只使用了上一层的输入 H1 ，这与RNN的原理不符

def rnn(inputs, state, params):
    # inputs的形状：(时间步数量，批量大小，词表大小)
    W_xh1, W_hh1, b_h1, W_hh2, b_h2, W_hq, b_q = params
    H1, H2 = state
    outputs = []
    # X的形状：(批量大小，词表大小)
    for X in inputs:
        H1 = torch.relu(torch.mm(X, W_xh1) + torch.mm(H1, W_hh1) + b_h1)
        H2 = torch.relu(torch.mm(H1, W_hh2) + b_h2)
        Y = torch.mm(H2, W_hq) + b_q
        outputs.append(Y)
    return torch.cat(outputs, dim=0), (H1, H2)

个人认为以下实现更合理

def rnn(inputs, state, params):
    # inputs的形状：(时间步数量，批量大小，词表大小)
    W_xh1, W_hh1, b_h1, W_xh2, W_hh2, b_h2, W_hq, b_q = params
    H1, H2 = state
    outputs = []

    # X的形状：(批量大小，词表大小)
    for X in inputs:
        # 第一层RNN的计算
        H1 = torch.relu(torch.mm(X, W_xh1) + torch.mm(H1, W_hh1) + b_h1)
        # 第二层RNN的计算
        H2 = torch.relu(torch.mm(H1, W_xh2) + torch.mm(H2, W_hh2) + b_h2)
        # 输出层的计算
        Y = torch.mm(H2, W_hq) + b_q
        outputs.append(Y)

    # 将所有输出连接在一起
    return torch.cat(outputs, dim=0), (H1, H2)

[YueZhengMeng]

我直接修复并提pr