bilstm-gru预测模型pytorch

以下是使用BiLSTM-GRU模型进行时间序列预测的PyTorch代码示例：

import torch
import torch.nn as nn

class BiLSTM_GRU(nn.Module):
    def __init__(self, input_size, hidden_size, output_size, num_layers):
        super(BiLSTM_GRU, self).__init__()
        self.hidden_size = hidden_size
        self.num_layers = num_layers
        self.lstm = nn.LSTM(input_size, hidden_size, num_layers, batch_first=True, bidirectional=True)
        self.gru = nn.GRU(hidden_size * 2, 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 * 2, x.size(0), self.hidden_size).to(device)
        c0 = torch.zeros(self.num_layers * 2, x.size(0), self.hidden_size).to(device)
        out, _ = self.lstm(x, (h0, c0))
        out, _ = self.gru(out)
        out = self.fc(out[:, -1, :])
        return out

这个模型包含一个双向LSTM层和一个GRU层，其中LSTM层用于提取时间序列的特征，GRU层用于进一步处理这些特征并生成最终的预测结果。模型的输入是一个形状为(batch_size, seq_length, input_size)的张量，其中batch_size表示批量大小，seq_length表示时间序列的长度，input_size表示每个时间步的特征数。输出是一个形状为(batch_size, output_size)的张量，其中output_size表示预测结果的维度。