RNN返回的输出状态为三维张量out，若想取出最后一步的输出状态

在循环神经网络（RNN）中，输出状态通常是一个三维张量，其中第一维表示时间步（timesteps），第二维和第三维代表隐藏层的状态或其他特征信息。如果你想要获取最后一个时间步的输出状态，你可以通过索引来访问这个部分。

假设`out`是形状为`(sequence_length, batch_size, hidden_units)`的张量，最后一个时间步对应于`sequence_length - 1`。所以，如果你想获取最后一个时间步的所有样本的输出，可以这样做：

# out.shape = (sequence_length, batch_size, hidden_units)
last_output = out[-1]  # 使用-1作为索引，得到最后一维的内容
last_output_shape = last_output.shape  # 现在last_output是一个(batch_size, hidden_units)的二维张量

for i in range(last_output_shape[0]):
    sample_output = last_output[i]

这里`sample_output`就是单个批次中每个样本在最后一个时间步的输出状态。