rnn循环神经网络代码pytorch

以下是一个使用PyTorch实现的RNN循环神经网络的代码示例：

import torch
import torch.nn as nn

# 定义RNN模型
class RNN(nn.Module):
    def __init__(self, input_size, hidden_size, output_size):
        super(RNN, self).__init__()

        self.hidden_size = hidden_size

        self.i2h = nn.Linear(input_size + hidden_size, hidden_size)
        self.i2o = nn.Linear(input_size + hidden_size, output_size)
        self.softmax = nn.LogSoftmax(dim=1)

    def forward(self, input, hidden):
        combined = torch.cat((input, hidden), 1)
        hidden = self.i2h(combined)
        output = self.i2o(combined)
        output = self.softmax(output)
        return output, hidden

    def initHidden(self):
        return torch.zeros(1, self.hidden_size)

# 定义输入、隐藏和输出的大小
input_size = 10
hidden_size = 20
output_size = 5

# 创建RNN模型对象
rnn = RNN(input_size, hidden_size, output_size)

# 定义输入数据
input = torch.randn(1, input_size)
hidden = torch.zeros(1, hidden_size)

# 运行RNN模型
output, next_hidden = rnn(input, hidden)
print(output)

以上代码定义了一个简单的RNN模型，并在给定输入数据后运行模型并输出结果。请注意，这只是一个最基本的示例，你可能需要根据自己的需求进行适当的修改和扩展。