mask = torch.zeros_like(logits, requires_grad=True) # 设置 requires_grad=True score = [] for i in range(logits.size(0)): top_100_indices = torch.argsort(logits[i])[-self.topk:] mask_i = mask[i].clone() # 创建副本 mask_i[top_100_indices] = 1.0 score.append(mask_i.clone()) # 创建副本并赋值回 mask return mask assert (input.dim() in (2, 3)), f"GRU: Expected input to be 2-D or 3-D but received {input.dim()}-D tensor"

抱歉，我之前的回答仍然有误。

你提供的另一个错误信息是关于 GRU 模型的输入维度不正确的问题。GRU 模型要求输入是一个二维或三维的张量，但是当前的输入维度不符合要求。

以下是修改后的代码示例：

mask = torch.zeros_like(logits, requires_grad=True)  # 设置 requires_grad=True
score = []

for i in range(logits.size(0)):
    top_100_indices = torch.argsort(logits[i])[-self.topk:]
    mask_i = mask[i].clone()  # 创建副本
    mask_i[top_100_indices] = 1.0
    score.append(mask_i.clone())  # 创建副本并添加到 score 列表中

return mask, score

在修改后的代码中，我们分别返回了 `mask` 和 `score`。`score` 是一个列表，包含了每个样本对应的 `mask_i` 副本。

关于 GRU 模型的输入维度错误，请确保你的输入张量的维度符合 GRU 模型的要求。如果还有其他问题，请提供更多的代码和错误信息，以便我能够更好地帮助你。