循环神经网络(RNN、LSTM、GRU)---------Pytorch

# 处理不定长输入
# 时间序列任务(输入数据具有前后关系)
1、RNN
    # input_size:输入x的特征数量
    # hidden_size:隐藏层的特征数量
    # num_layers:RNN层数
    # nonlinearity:默认tanh,非线性函数使用tanh还是relu
    # bias:默认True,是否使用偏置
    # batch_first:默认False[即(序列长度seq,批大小batch,特征维度feature)];若True则(batch,seq,feature)
    # dropout:缺省值为0,表示不使用dropout层;若为1，则除最后一层外，其它层的输出都会加dropout层
    # bidirectional:默认False;True表示使用双向rnn
    self.rnn = torch.nn.RNN(input_size,hidden_size,num_layers,
        nonlinearity='tanh',bias=True,batch_first=False,dropout=0,bidirectional=False)
    # output,h_n = self.rnn(X)

2、LSTM
    self.lstm = torch.nn.LSTM(input_size,hidden_size,num_layers)
    # output,h_n = self.lstm(X)
    # output,(h_n,h_c) = self.lstm(X)

3、GRU
    self.gru = torch.nn.GRUCell(input_size,hidden_size,num_layers)
    # output,h_n = self.gru(X)