照例先贴官方文档~

以下是实例化一个nn.LSTM单元时会用到的参数，例如lstm = nn.LSTM(10, 20, 2)就实例化了一个input_size=10, hidden_size=20，num_layer=2的LSTM网络，也就是输入的维度为10，隐层的神经元数目为20，总共有2个隐层。

实例化好的LSTM如何使用呢？以下是输入，h0和c0都是可选的，重点是input，是一个表示输入序列特征的tensor，维度是（seq_len, batch, input_size），比如接上例，x = torch.randn(5, 3, 10),每个句子5个词，每个词用10维向量表示（正好对应LSTM单元里的input_size），一次把3个句子作为一个batch一起输入。

至于h0和c0，分别是hidden和cell的初始状态，维度是（num_layers * num_directions, batch, hidden_size），比如h0 = torch.randn(2, 3, 20), c0 = torch.randn(2, 3, 20)，这是因为实例化好的LSTM单元有2层，非双向，每批3个句子，每个句子到隐层的时候转化为20维向量。

然后，使用output, (hn, cn) = lstm(x, (h0, c0))得到输出。
输出的size是(seq_len, batch, num_directions × hidden_size) （正好和输入的size(seq_len, batch, input_size)对应，相当于把输入做了一个从input_size到num_directionshidden_size维度的变换！）*
这时候查看output.size(), 是torch.Size([5, 3, 20])，正好对应。

完整的例子见这里：

>>> rnn = nn.LSTM(10, 20, 2)
>>> input = torch.randn(5, 3, 10)
>>> h0 = torch.randn(2, 3, 20)
>>> c0 = torch.randn(2, 3, 20)
>>> output, (hn, cn) = rnn(input, (h0, c0))

以上是默认batch_first = False的情况。如果明确规定了batch_first = True, 那么input和output的size是(batch_size, seq_len，对应的featue_size)
对batch_first的设计，有人是这样解释原因的（待研究）：
差不多弄懂了，爽~