pytorch生成rnn

以下是使用PyTorch生成RNN的示例代码：

import torch
from torch import nn

# 定义RNN模型
class RNNModel(nn.Module):
    def __init__(self, input_size, hidden_size, num_layers, output_size):
        super(RNNModel, self).__init__()
        self.hidden_size = hidden_size
        self.num_layers = num_layers
        self.rnn = nn.RNN(input_size, hidden_size, num_layers, batch_first=True)
        self.fc = nn.Linear(hidden_size, output_size)

    def forward(self, x):
        h0 = torch.zeros(self.num_layers, x.size(0), self.hidden_size).to(x.device)
        out, _ = self.rnn(x, h0)
        out = self.fc(out[:, -1, :])
        return out

# 定义输入和超参数
input_size = 10
hidden_size = 20
num_layers = 2
output_size = 2
batch_size = 3
seq_len = 5

# 生成随机输入
input_data = torch.randn(batch_size, seq_len, input_size)

# 初始化模型
model = RNNModel(input_size, hidden_size, num_layers, output_size)

# 进行前向传播
output = model(input_data)

# 输出结果
print(output)

在这个示例中，我们定义了一个RNN模型，使用PyTorch提供的`nn.RNN`层来实现RNN。我们还定义了一个前向传播函数，该函数将输入数据传递给RNN层，并将最后一个时间步的输出传递给全连接层进行分类。最后，我们使用随机输入数据对模型进行了测试，并输出了模型的输出结果。