用前馈网络在Pythoch中建立递归神经网络

我正在经历 this 辅导的。我有一个关于以下课程代码的问题:

class RNN(nn.Module):
    def __init__(self, input_size, hidden_size, output_size):
        super(RNN, self).__init__()

        self.input_size = input_size
        self.hidden_size = hidden_size
        self.output_size = output_size

        self.i2h = nn.Linear(input_size + hidden_size, hidden_size)
        self.i2o = nn.Linear(input_size + hidden_size, output_size)
        self.softmax = nn.LogSoftmax()

    def forward(self, input, hidden):
        combined = torch.cat((input, hidden), 1)
        hidden = self.i2h(combined)
        output = self.i2o(combined)
        output = self.softmax(output)
        return output, hidden

    def init_hidden(self):
        return Variable(torch.zeros(1, self.hidden_size))

此代码取自 Here . 有人提到

由于网络的状态保存在图中,而不是图层中,所以您可以简单地创建一个nn.linear,并反复使用它以进行重复。

我不明白的是,怎样才能只增加输入特征的大小,在nn.linear,并说它是一个RNN。我这里缺什么?