写一段循环神经网络的代码

以下是一个简单的循环神经网络的代码示例，使用Python和PyTorch框架：

import torch
import torch.nn as nn

# 定义循环神经网络模型
class RNNModel(nn.Module):
    def __init__(self, input_size, hidden_size, output_size):
        super(RNNModel, self).__init__()
        self.hidden_size = hidden_size

        # 定义输入层到隐层的线性变换
        self.i2h = nn.Linear(input_size + hidden_size, hidden_size)
        # 定义隐层到输出层的线性变换
        self.i2o = nn.Linear(input_size + hidden_size, output_size)
        # 定义激活函数
        self.relu = nn.ReLU()

    def forward(self, input, hidden):
        # 将输入和上一时刻的隐层状态拼接
        combined = torch.cat((input, hidden), 1)
        # 计算隐层状态
        hidden = self.i2h(combined)
        # 计算输出层结果
        output = self.i2o(combined)
        # 应用激活函数
        output = self.relu(output)
        return output, hidden

    def init_hidden(self):
        # 初始化隐层状态
        return torch.zeros(1, self.hidden_size)

在这个例子中，我们定义了一个具有单个隐层的循环神经网络。该模型接受输入和上一时刻的隐层状态，并计算输出和新的隐层状态。我们使用线性变换和ReLU激活函数来实现这些计算。我们还定义了一个初始化隐层状态的函数，该函数返回一个全0张量。