LSTM候选记忆元的生成和GRU的隐状态很像，估计是发现简化后效果也类似吧
最原始的数据是(批量， 时间步)，然后输入到模型后，内部会做编码，在从零实现中，一般先转置成(时间步， 批量)，然后丢到一个onehot encoder里面，把每个时间步输入的词编码成vocab_size维的向量，所以实际模型接受的输入是(时间步， 批量， vocab_size即词表大小)，所以它说输入维度是d；然后，如果调用高级API，那么同样模型内部也要编码的，只不是这个时候高级API支持两种格式，一种是(时间步， 批量， vocab_size即词表大小)，另一种是(批量，时间步， vocab_size即词表大小)，这个用过batch_first参数控制