将pytorch模型转换为fastNLP可用的模型

[jwc19890114]

你好，我在尝试使用fastNLP构建自己的模型的时候遇到了问题。 pytorch教程[https://pytorch.apachecn.org/]中有一个字符级的文本生成模型

class RNN(nn.Module):
    def __init__(self,input_size,hidden_size,output_size):
        super().__init__()
        self.input_size=input_size
        self.hidden_size=hidden_size
        self.output_size=output_size

        self.i2h=nn.Linear(input_size+hidden_size,hidden_size)
        self.i2o=nn.Linear(input_size+hidden_size,output_size)
        self.softmax=nn.LogSoftmax()

    def forward(self,input ,hidden):
        combined=torch.cat((input,hidden),1)
        hidden=self.i2h(combined)
        output=self.i2o(combined)
        output=self.softmax(output)
        return output,hidden
    def init_hidden(self):
        return V(torch.zeros(1,self.hidden_size))

我想用fastNLP重写一次，但是在写的时候遇到一个问题，fastNLP要求返回数据为一个字典类型{'pred':outputs}，那对于这个模型应该如何改写呢？ 谢谢~

[yhcc]

首先确认对应的DataSet中有input, hidden这两个field，且被设置为了input。可以通过dataset.rename_field()将dataset中的field改为这两个名字。另外就是把forward中的返回值改成字典，比如下面所示

    def forward(self,input ,hidden):
        combined=torch.cat((input,hidden),1)
        hidden=self.i2h(combined)
        output=self.i2o(combined)
        output=self.softmax(output)
        return {'pred':output, 'hidden':hidden}