上次通過pytorch實現了RNN模型，簡易的完成了使用RNN完成mnist的手寫數字識別，但是里面的參數有點不了解，所以對問題進行總結歸納來解決。
總述：
第一次看到這個函數時，腦袋有點懵，總結了下總共有五個問題：
1.這個input_size是啥？要輸入啥？feature num又是啥？
2.這個hidden_size是啥？要輸入啥？feature num又是啥？
3.不是說RNN會有很多個節點連在一起的嗎？這怎么定義連接的節點數呢？
4.num_layer中說的stack是怎么stack的？
5.怎么輸出會有兩個東西呀output，hn
pytorch中RNN的一些參數，並且解決以上五個問題
1.Pytorch中的RNN
2.input_size是啥？
說白了input_size無非就是你輸入RNN的維度，比如說NLP中你需要把一個單詞輸入到RNN中，這個單詞的編碼是300維的，那么這個input_size就是300.這里的input_size其實就是規定了你的輸入變量的維度。用f(wX+b)來類比的話，這里輸入的就是X的維度。
3.hidden_size是啥？
和最簡單的BP網絡一樣的，每個RNN的節點實際上就是一個BP嘛，包含輸入層，隱含層，輸出層。這里的hidden_size呢，你可以看做是隱含層中，隱含節點的個數。
那個輸入層的三個節點代表輸入維度為3，也就是input_size=3，然后這個hidden_size就是5了。當然這是是對於RNN某一個節點而言的，那么如何規定RNN的節點個數呢？
4.如何規定節點個數？
事實上，節點個數並不需要規定，你的輸入序列是這樣子的，[x1,x2,x3,x4,x5]，那么input_size呢就是你的xi的維度，而你的RNN的節點數呢，就是由你的序列長度決定的，在這里我們的序列長度是5，所以會有5個節點。那么問題來了，我咋知道你的序列長度呢？pytorch里面不是只有input_size的參數嗎？實際上，你聲明RNN是這樣聲明的
self.encoder = nn.RNN(input_size=300,hidden_size=128,dropout=0.5)
但是你用的時候;
output,hn = self.encoder(encoder_input,encoder_hidden)
你會把你的數據丟進去吧，也就是你把encoder_input這一整個序列丟進去了，那么序列長度他不就知道了？
5.num_layers是啥？
一開始你是不是以為這個就是RNN的節點數呀，hhh，然而並不是:),如果num_layer=2的話，表示兩個RNN堆疊在一起。那么怎么堆疊的呢？
如果是num_layer==1的話：
如果num_layer==2的話：
ok了~最后再來看看最后一個問題
6.hn,output分別是啥？
hidden的輸出size為[ num_layers* num_directions, batch_size, n_hidden].
說白了，hidden就是每個方向，每個層的 隱藏單元的輸出，所以是n_hidden個。
output的size(如果RNN設定的batch_first=True),那么就是[batch_size,seq_len,n_hidden]，對於分類任務如果要取得最后一個output，只需添加下標 [ :,-1,:]
看圖找答案：
hn就是RNN的最后一個隱含狀態，output就是RNN最終得到的結果。