这个Rnn函数的最后一行是什么意思？

Question

我来问一个菜鸟问题

class RNN(nn.Module):
    def __init__(self, input_size, hidden_size, num_layers, num_classes):
        super(RNN, self).__init__()
        self.hidden_size = hidden_size
        self.num_layers = num_layers
        self.rnn = nn.RNN(input_size, hidden_size, num_layers, batch_first=True)
        self.fc = nn.Linear(hidden_size*2, num_classes)
    
    def forward(self, x):
        h0 = torch.zeros(self.num_layers*2, x.size(0), self.hidden_size).to(device)
        out, _ = self.rnn(x, h0)  # out: tensor of shape (batch_size, seq_length, hidden_size)
        out = self.fc(out[:, -1, :])
        return out

这里的out = self.fc(out[:, -1, :])是什么意思？还有为什么 out, _ = self.rnn(x, h0) 中有一个“_”？

Answer 1

行 out = self.fc(out[:, -1, :]) 使用负索引：out 是一个形状为 batch_size x seq_length x hidden_size 的张量，因此 out[:, 1, :] 将 return 第一个元素沿着第二个维度（或轴），out[:, -1, :] return 是第二个维度上的最后一个元素。相当于 out[:, seq_length-1, :].

out, _ = self.rnn(x, h0)中的下划线表示self.rnn(x, h0)return有两个输出，out分配给第一个输出，第二个输出没有分配给任何东西所以_ 是占位符。

这个Rnn函数的最后一行是什么意思？

What is the last line of this Rnn function means?

python-3.x

recurrent-neural-network

pytorch