其實構建rnn的代碼十分簡單，但是實際上看了下csdn以及官方tutorial的解釋都不是很詳細，說的意思也不能夠讓人理解，讓大家可能會造成一定誤解，因此這裏對rnn的參數做一個詳細的解釋：
self.encoder = nn.RNN(input_size=300,hidden_size=128,dropout=0.5)
在這句代碼當中：
- input_size:表示輸入句子但當中單詞的維度，比如你將一個單詞編碼爲100維度的one-hot 向量，那麼這裏應該使用input_size=100
- hidden_size：表示每一個rnn神經單位向量（每一個隱匿層）的向量長度，多個rnn神經網絡隱匿層就形成了我們的rnn
- dropout：dropout的概率大小
- num_layers：有多少層rnn的網絡，往上堆疊多少層rnn
以上是對rnn結構的構建，之後我們來進行對rnn前向轉播：
output,hn = self.encoder(encoder_input,encoder_hidden)
這句代碼當中，其中：
encoder_input：一共需要輸入三個維度，分別是【seq_len， batch，word_dim】
- seq_len：句子的長度
- batch：有多少個句子
- word_dim：單詞的維度
encoder_hidden:也是具備三個維度，分別是【num_layers，batch，hidden_size】
- num_layes：一共有多少層rnn
- batch：有多少個句子
- hidden_size：表示每一個rnn神經單位向量（每一個隱匿層）的向量長度，多個rnn神經網絡隱匿層就形成了我們的rnn
然後就是我們的輸出解釋了：
- hn：RNN的最後一個隱含狀態（最後一個隱匿層上方的輸出，而不是右邊，右邊是output）
- output：所有節點的hn集合（所有隱匿層都會有一個隱匿狀態的輸出，而這個output是所有隱匿層上方的一個集合）