RNN pytorch 代码示例

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：

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。