RNN python代码

当涉及到RNN（循环神经网络）的Python代码时，通常会使用深度学习框架，如TensorFlow或PyTorch。以下是一个使用PyTorch实现的简单RNN的示例代码：

import torch
import torch.nn as nn

# 定义RNN模型
class RNN(nn.Module):
    def __init__(self, input_size, hidden_size, output_size):
        super(RNN, self).__init__()

        self.hidden_size = hidden_size

        self.rnn = nn.RNN(input_size, hidden_size)
        self.fc = nn.Linear(hidden_size, output_size)

    def forward(self, input):
        hidden = torch.zeros(1, 1, self.hidden_size)

        output, _ = self.rnn(input, hidden)
        output = self.fc(output[-1])

        return output

# 定义输入和输出的维度
input_size = 10
hidden_size = 20
output_size = 5

# 创建RNN模型实例
rnn = RNN(input_size, hidden_size, output_size)

# 定义输入数据
input = torch.randn(1, 1, input_size)

# 运行模型
output = rnn(input)

print(output)

这段代码定义了一个简单的RNN模型，包括一个RNN层和一个全连接层。在forward方法中，输入数据通过RNN层，并将最后一个时间步的输出传递给全连接层。最后，输出结果被打印出来。