pytorch写Bi-GRU

下面是一个简单的PyTorch实现Bi-GRU的示例代码：

import torch
import torch.nn as nn

class BiGRU(nn.Module):
    def __init__(self, input_size, hidden_size, num_layers, dropout):
        super(BiGRU, self).__init__()
        self.hidden_size = hidden_size
        self.num_layers = num_layers
        self.dropout = dropout
        self.gru = nn.GRU(input_size, hidden_size, num_layers, batch_first=True, bidirectional=True)
        self.fc = nn.Linear(hidden_size * 2, 1) # 2 for bidirectional, 1 for binary classification

    def forward(self, x):
        h0 = torch.zeros(self.num_layers * 2, x.size(0), self.hidden_size).to(device) # 2 for bidirectional
        out, _ = self.gru(x, h0)
        out = out[:, -1, :] # only use last hidden state
        out = self.fc(out)
        out = torch.sigmoid(out)
        return out

在这个例子中，我们定义了一个BiGRU类，它继承了nn.Module类。我们将输入大小、隐藏大小、层数和dropout率作为参数传递给构造函数。然后，在构造函数中，我们定义了一个nn.GRU层，它是一个双向GRU层，同时还有一个全连接层，用于二分类任务。在forward()函数中，我们首先将输入传递到GRU层中，然后只使用最后一个隐藏状态，并将其传递到全连接层中。最后，我们使用sigmoid函数对输出进行激活，以使其落在0到1之间，以进行二分类。

这是一个简单的PyTorch Bi-GRU模型实现，你可以根据你的需求进行修改。