rnn代码

这里是一个简单的 RNN（循环神经网络）代码示例，用 PyTorch 实现：

import torch
import torch.nn as nn

class RNN(nn.Module):
    def __init__(self, input_size, hidden_size, output_size):
        super(RNN, self).__init__()
        self.hidden_size = hidden_size
        
        self.i2h = nn.Linear(input_size + hidden_size, hidden_size)
        self.i2o = nn.Linear(input_size + hidden_size, output_size)
        self.softmax = nn.LogSoftmax(dim=1)
        
    def forward(self, input, hidden):
        combined = torch.cat((input, hidden), 1)
        hidden = self.i2h(combined)
        output = self.i2o(combined)
        output = self.softmax(output)
        return output, hidden
    
    def initHidden(self):
        return torch.zeros(1, self.hidden_size)

这个简单的 RNN 实现接受一个输入序列，从前到后逐个计算每个时间步的输出和隐藏状态。在每个时间步，输入和上一个时间步的隐藏状态被连接起来，通过线性变换（nn.Linear）得到新的隐藏状态和输出。最后通过 softmax 激活函数将输出转换为概率分布。初始时，隐藏状态是一个全零向量。