嗨，看了你这段刚接触PyTorch一个月写的GRU代码，我来帮你理清楚双向GRU中hn的维度排布问题～

首先，你观察到hn的形状是torch.Size([4, 64, 32])，这个确实是2层GRU × 2个方向的结果。关于它的排布顺序，PyTorch的规则是：按层划分，每一层的正向隐藏状态在前，反向隐藏状态在后，并不是交替排列的。具体到你的两层双向GRU，hn的每个索引对应的含义是：

• 索引0：第1层GRU的正向最后时刻隐藏状态
• 索引1：第1层GRU的反向最后时刻隐藏状态
• 索引2：第2层GRU的正向最后时刻隐藏状态
• 索引3：第2层GRU的反向最后时刻隐藏状态

再看你提取正向隐藏状态的代码：

forward_hidden = hn[[x for x in range(0, gru_layers_count * 2, 2)], :, :]

这个写法是完全正确的，它会选取索引0和2的元素，正好对应两层的正向隐藏状态。不过可以给你一个更简洁的写法，效果完全一致：

forward_hidden = hn[::2, :, :]

这里的::2表示从索引0开始，每隔一个元素取一次，刚好拿到所有层的正向隐藏状态。如果要提取反向的，就用hn[1::2, :, :]即可。

备注：内容来源于stack exchange，提问作者ashwani kumar dwivedi