如何将RNN输出映射到类大小的张量？

import torch
import torch.nn as nn

# 假设RNN模型的输出向量大小为hidden_size
hidden_size = 128
# 假设类的数量为num_classes
num_classes = 10

# 定义RNN模型
rnn = nn.RNN(input_size, hidden_size, num_layers, batch_first=True)

# 假设输入序列为input_seq，形状为(batch_size, sequence_length, input_size)
input_seq = torch.randn(batch_size, sequence_length, input_size)

# 获取RNN模型的输出向量
output, _ = rnn(input_seq)

# 定义全连接层
fc = nn.Linear(hidden_size, num_classes)

# 将输出向量输入到全连接层
output = fc(output[:, -1, :])

# 使用softmax函数对输出向量进行归一化
output = nn.functional.softmax(output, dim=1)

# 输出预测结果
_, predicted_classes = torch.max(output, 1)