这个 Rnn 函数的最后一行是什么意思？

Question

我是来问一个菜鸟问题的。

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

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

Answer 1

out = self.fc(out[:, -1, :]) 行使用负索引：out 是一个形状为 batch_size x seq_length x hidden_size 的张量，因此 out[:, 1, :] 将返回沿第二维（或轴）的第一个元素，而out[:, -1, :]返回沿第二个维度的最后一个元素。相当于out[:, seq_length-1, :]。

out, _ = self.rnn(x, h0) 中的下划线表示self.rnn(x, h0) 返回两个输出，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_ 是一个占位符。