本文介绍了循环神经网络(RNN)的核心原理和PyTorch实现。RNN通过隐藏状态保留短期记忆，适合处理序列数据。文章首先用自然语言理解的例子说明RNN的必要性，然后详细解析了RNN的神经元结构、数学公式和计算图，包括两种等价的权重表示方式。在PyTorch实现部分，展示了如何使用nn.RNN模块处理序列数据，并解释了输入输出张量的维度含义。最后分析了RNN的优缺点：结构简单高效但存在梯度消失/爆