pytorch写GRU

在PyTorch中编写GRU模型的代码如下所示：

import torch
from torch import nn

# 定义GRU模型
class GRUModel(nn.Module):
    def __init__(self, input_size, hidden_size, num_layers):
        super(GRUModel, self).__init__()
        self.gru = nn.GRU(input_size, hidden_size, num_layers)

    def forward(self, input):
        output, hn = self.gru(input)
        return output, hn

# 创建GRU模型实例
input_size = 10
hidden_size = 20
num_layers = 2
gru_model = GRUModel(input_size, hidden_size, num_layers)

# 输入数据
input = torch.randn(5, 3, input_size)

# 运行GRU模型
output, hn = gru_model(input)

在这个例子中，我们首先定义了一个名为GRUModel的GRU模型类，其中包含一个GRU层。然后，我们创建了一个GRU模型实例，并将输入数据传递给模型进行运行。最后，我们可以获得GRU模型的输出和最后一个隐藏状态。

请注意，GRU模型的输入数据应该是一个三维张量，其中第一维表示序列长度，第二维表示批次大小，第三维表示输入特征的维度。输出是一个包含所有时间步的输出张量和最后一个时间步的隐藏状态张量。
#### 引用[.reference_title]
- *1* *3* [PyTorch nn.GRU 使用详解](https://blog.csdn.net/zdx1996/article/details/123532554)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^koosearch_v1,239^v3^insert_chatgpt"}} ] [.reference_item]
- *2* [【pytorch】nn.GRU的使用](https://blog.csdn.net/mimiduck/article/details/119981839)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^koosearch_v1,239^v3^insert_chatgpt"}} ] [.reference_item]
[ .reference_list ]