RNN的详细结构图Pytorch

1层RNN长这样，这个图比较抽象：

Pytorch的RNN的调用：

rnn_layer = nn.RNN(input_size=2, hidden_size=3, num_layers=2)

input_size输入特征的维度，即下图中每一时刻Xt的输入长度，Xt=[x1,x2] ，长度为2
hidden_size隐藏层神经元个数，下图中hidden_size=3
num_layers网络的层数，下图为2层（上下之间，不是左右之间，左右之间是同一层）
输入：

X = torch.rand(2, 1, 2)    
Y, h_new = rnn_layer(X, h)

X第一个参数为时间步数，有几段Xt序列
第二个为batchsize
第三个为特征长度，Xt的长度，对应input_size，Xt=[x1,x2] ，长度为2
输入还有一个h，对应下图h(t-1)，一般为None
输出为y和h
对应详细结构：

抽象结构：

上图中，第一层的模型参数：
w1:input-hidden权重 [input_size,hidden_size]
w2:hidden-hidden权重 [hidden_size,hidden_size]
b1:input-hidden偏置 [hidden_size]
b2:hidden-hidden偏置 [hidden_size]

查看权重

weights=list(rnn_layer.parameters())

同一层的（左右）各单元是共享权重的

输入x的含义：