RNN pytorch 代码示例
时间: 2024-01-27 22:15:30 浏览: 103
RNN(循环神经网络)是一种常用的神经网络模型,用于处理序列数据。PyTorch是一个流行的深度学习框架,提供了丰富的工具和函数来构建和训练神经网络模型。下面是一个使用PyTorch实现RNN的代码示例:
```python
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.rnn = nn.RNN(input_size, hidden_size)
self.fc = nn.Linear(hidden_size, output_size)
def forward(self, input):
hidden = torch.zeros(1, input.size(0), self.hidden_size)
output, _ = self.rnn(input, hidden)
output = self.fc(output[-1])
return output
# 定义输入数据和模型参数
input_size = 10
hidden_size = 20
output_size = 5
input = torch.randn(3, 1, input_size)
# 创建RNN模型实例
rnn = RNN(input_size, hidden_size, output_size)
# 运行模型
output = rnn(input)
print(output)
```
在这个示例中,我们首先定义了一个RNN模型类,其中包含一个RNN层和一个全连接层。然后我们创建了一个输入数据张量,并使用该数据运行RNN模型。最后,我们打印出模型的输出结果。
阅读全文