写出RNN的完整代码

好的，以下是一个简单的RNN代码示例，使用PyTorch框架实现。

import torch
import torch.nn as nn

class SimpleRNN(nn.Module):
    def __init__(self, input_size, hidden_size, output_size):
        super(SimpleRNN, 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)

上述代码中，我们定义了一个名为SimpleRNN的类，继承自PyTorch中的nn.Module类。该RNN模型包含一个线性层（i2h）用于将输入和前一时刻的隐藏状态拼接起来，并生成新的隐藏状态；另一个线性层（i2o）用于将输入和隐藏状态拼接起来，并生成输出；最后一个LogSoftmax层用于输出概率分布。在forward函数中，我们首先将输入和前一时刻的隐藏状态拼接起来，然后通过i2h和i2o生成新的隐藏状态和输出，最后通过LogSoftmax层得到输出概率分布。在initHidden函数中，我们返回一个初始值为0的隐藏状态。

接下来，我们可以使用该模型进行训练和推理。需要注意的是，我们需要将输入数据和输出数据转换为PyTorch中的张量（tensor）类型，并将其传入模型中进行训练和推理。