将具有多个可变维度的数据输入到LSTM

如何解决将具有多个可变维度的数据输入到LSTM

我的数据的形状为batch_size * num_paths * num_edges * emb_dim。在这里：

• batch_size：指批次大小（32）
• num_paths：是指依赖性树中两个给定术语之间的路径编号
• num_edges：指的是特定路径中的边数
• emb_dim：是指嵌入尺寸（300）

num_paths和num_edges对于每个训练样本都是变量。换句话说，对于每个训练样本，路径可能会变化，每个路径的边数也会变化。

（请注意，data是本机Python中n-d个列表的列表，因为两个维度（num_paths和num_edges）是可变的。）

我想将每个训练实例的每个路径作为输入传递给LSTM，因为路径是一系列边沿，并且我希望在将路径传递通过LSTM之后得到结果路径表示形式。在训练示例中获得了每条路径的表示形式之后，我想取所有这些表示形式的总和。

我知道我可以通过pack_padded_sequence包装可变数量的边缘。但是可变数量的路径呢？我该如何处理？有没有办法在本地Pytorch中做到这一点，而不必寻求诸如遍历循环之类的混乱解决方案？