pytorch训练LSTM模型的代码疑问

原博文链接地址：https://blog.csdn.net/Sebastien23/article/details/80574918
其中有不少代码完全看不太懂，想来这里求教下各位大神~~

class Sequence(nn.Module):
    def __init__(self):
        super(Sequence,self).__init__()
        self.lstm1 = nn.LSTMCell(1,51)
        self.lstm2 = nn.LSTMCell(51,51)
        self.linear = nn.Linear(51,1)
        #上面三行代码是设置网络结构吧？为什么用的是LSTMCell,而不是LSTM？？
    def forward(self,inputs,future= 0): 
    #这里的前向传播名称必须是forward,而不能随意更改？？因为后面的模型调用过程中，并没有看到该方法的实现
        outputs = []
        h_t = torch.zeros(inputs.size(0),51)
        c_t = torch.zeros(inputs.size(0),51)
        h_t2 = torch.zeros(inputs.size(0),51)
        c_t2 = torch.zeros(inputs.size(0),51)
#下面的代码中，LSTM的原理是要求三个输入：前一层的细胞状态、隐藏层状态和当前层的数据输入。这里却只有2个输入？？
        for i,input_t in enumerate(inputs.chunk(inputs.size(1),dim =1)):
            h_t,c_t = self.lstm1(input_t,(h_t,c_t))
            h_t2,c_t2 = self.lstm2(h_t,(h_t2,c_t2))
            output = self.linear(h_t2)
            outputs +=[output]            
        for i in range(future):
            h_t,c_t = self.lstm1(output,(h_t,c_t))
            h_t2,c_t2 = self.lstm2(h_t,(h_t2,c_t2))
            output = self.linear(h_t2)
            outputs +=[output]
#下面将所有的输出在第一维上相拼接，并剪除维度为2的数据？？目的是什么？
        outputs = torch.stack(outputs,1).squeeze(2)
        return outputs

def __init__(self):
        super(Sequence,self).__init__()
        self.lstm1 = nn.LSTMCell(1,51)
        self.lstm2 = nn.LSTMCell(51,51)
        self.linear = nn.Linear(51,1)

应该是指单个LSTM cell具有多个hidden layer，为参数设置

https://www.cnblogs.com/bamtercelboo/p/7469005.html