问题表现
今天跑模型时报了一个非常奇怪的错误：
意思是“你的lstm层输入的参数是无效的，要求接收参数的类型是(Tensor, tuple of (Tensor, Tensor), list of [Parameter, Parameter, Parameter, Parameter], float, int, float, bool, bool, bool)，但是实际收到的是(Tensor, tuple of (Tensor, Tensor), list of [Parameter, Parameter, Parameter, Parameter], float, int, float, bool,”
为什么奇怪呢？奇怪在于我检查了我lstm的输入张量，size是正确的，并且我还检查了张量的值，确实都是float32类型：
代码如下
class StudentStatusCommunication(nn.Module):def __init__(self, embedding_size, add_size, hidden_size, layer_num, dropout):super(StudentStatusCommunication, self).__init__()self.linear_layer = nn.Linear(embedding_size+add_size, hidden_size)self.activate = nn.ReLU()self.loop_layer = nn.LSTM(hidden_size, hidden_size, layer_num, dropout, batch_first=True)def forward(self, embedding, add_embedding):e = torch.cat((embedding, add_embedding), dim=-1)print(f'cat: {e.shape}')e = self.linear_layer(e)print(f'linear: {e.shape}')e = self.activate(e)print(f'activate: {e.shape}')print(e)h_steps, (h_t, c_t) = self.loop_layer(e)# 隐藏状态列表， 最后时刻隐藏状态， 最后时刻细胞状态return h_t解决方案
问题已经写在报错里了，是参数调用错误，那么参数调用错误在哪呢？
python在调用函数时，接收参数的方式有两种：1、顺序接收(layer_num)；2、通过命名接收(batch_first)。
两种方式可以混用，但有两个前提：
- 命名接收方式之后不能再用顺序接收；
- 顺序接收前n个参数会依次传递给函数的前n个形参。
现在我们检查nn.LSTM接收参数的顺序：
可以发现前三个参数都进行了正确地传递，但是第四个参数dropout错误传递给了bias，这就是错误来源！没错，python不支持省略的命名传参方式，即：当实参和形参命名一样时，允许省略命名指向（dropout=dropout可以允许直接写成dropout）。好好好，又是被多语言思维惯性打败的一天。
修正这个错误也非常简单，只要添加命名指向就行：
self.loop_layer = nn.LSTM(hidden_size, hidden_size, layer_num, dropout=dropout, batch_first=True)
