pytorch怎么实现多层gru

以下是使用PyTorch实现多层GRU的代码示例：

import torch.nn as nn

class GRUNet(nn.Module):
    def __init__(self, input_size, hidden_size, num_layers, output_size):
        super(GRUNet, self).__init__()
        self.hidden_size = hidden_size
        self.num_layers = num_layers
        self.gru = nn.GRU(input_size, hidden_size, num_layers, batch_first=True)
        self.fc = nn.Linear(hidden_size, output_size)

    def forward(self, x, h):
        out, h = self.gru(x, h)
        out = self.fc(out[:, -1, :])
        return out, h

input_size = 1
hidden_size = 64
num_layers = 2
output_size = 1
model = GRUNet(input_size, hidden_size, num_layers, output_size)

其中，`GRUNet`类继承自`nn.Module`，包含一个`nn.GRU`层和一个全连接层`nn.Linear`。`forward`方法接收输入`x`和隐藏状态`h`，返回输出`out`和更新后的隐藏状态`h`。在这个示例中，输入序列的长度为1000，每个时间步的输入特征维度为1，输出序列的长度为1。