pytorch中gru模型源代码

PyTorch中的GRU模型源代码位于`torch.nn.modules.rnn`模块中，具体实现在`torch.nn.GRU`类中。以下是一个简单的使用示例：

import torch
import torch.nn as nn

# 定义一个GRU模型
gru = nn.GRU(input_size=10, hidden_size=20, num_layers=2, batch_first=True)

# 输入数据，假设有3个序列，每个序列长度为5，每个时间步的输入特征维度为10
input_data = torch.randn(3, 5, 10)

# 初始化隐藏状态，num_layers * num_directions, batch_size, hidden_size
hidden_state = torch.randn(2, 3, 20)

# 前向传播
output, hidden_state = gru(input_data, hidden_state)

print("输出张量的形状：", output.shape)  # 输出张量的形状： torch.Size([3, 5, 20])
print("隐藏状态的形状：", hidden_state.shape)  # 隐藏状态的形状： torch.Size([2, 3, 20])

在这个示例中，我们首先导入了`torch`和`torch.nn`模块。然后，我们定义了一个GRU模型，其中`input_size`表示输入特征的维度，`hidden_size`表示隐藏状态的维度，`num_layers`表示GRU层数，`batch_first`表示输入数据的维度顺序是否为(batch_size, seq_length, input_size)。

接下来，我们创建了一个随机输入数据张量`input_data`，其形状为(batch_size, seq_length, input_size)。我们还初始化了一个隐藏状态张量`hidden_state`，其形状为(num_layers * num_directions, batch_size, hidden_size)。

最后，我们将输入数据和隐藏状态传递给GRU模型进行前向传播，得到输出张量`output`和更新后的隐藏状态`hidden_state`。