GRU pytorch 代码

GRU (Gated Recurrent Unit)是一种门控循环单元，常用于处理序列数据，比如自然语言处理任务。在PyTorch中，你可以使用nn.GRU模块来创建一个GRU层。以下是一个简单的例子，展示如何创建一个单向GRU层：

import torch
import torch.nn as nn

class GRUModel(nn.Module):
    def __init__(self, input_size, hidden_size, num_layers=1):
        super(GRUModel, self).__init__()
        
        # 初始化GRU层
        self.gru = nn.GRU(input_size, hidden_size, num_layers, batch_first=True)
        
    def forward(self, inputs):
        # 对输入应用GRU
        outputs, _ = self.gru(inputs)   # _ 表示隐藏状态，如果你需要也可以保存
        
        return outputs

# 创建模型实例
input_size = 100
hidden_size = 50
model = GRUModel(input_size, hidden_size)

# 假设inputs是形状为(batch_size, seq_len, input_size)的张量
output = model(inputs)

在这个例子中，`inputs`是一个包含时间序列数据的批次张量，`forward()`函数会返回每个时间步后的隐藏状态。