传统RNN的内部结构图

使用RNN

rnn=nn.RNN(5,6,1) #第一个参数是输入张量x的维度，第二个是隐藏层维度，第三层是隐藏层的层数
input1=torch.randn(1,3,5) #第一个是输入序列的长度，第二个是批次的样本数，第三个是输入张量x的维度
h0=torch.randn(1,3,6) #第一个是层数*网络方向数，第二个是批次的样本数，第三个是隐藏层的维度
output,hn=rnn(input1,h0)
print(output,output.shape)
print(hn,hn.shape)

优点和缺点