python的lstm的案例核心代码

下面是一个使用 Python 中 keras 库实现 LSTM 的案例，包括核心代码：

from keras.models import Sequential
from keras.layers import LSTM, Dense

# 创建 LSTM 模型
model = Sequential()
model.add(LSTM(64, input_shape=(None, 1)))
model.add(Dense(1, activation='sigmoid'))

# 编译模型
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])

# 训练模型
model.fit(X_train, y_train, epochs=10, batch_size=64)

# 在测试集上进行评估
score = model.evaluate(X_test, y_test, batch_size=64)
print("Test loss:", score[0])
print("Test accuracy:", score[1])

这个案例中，我们创建了一个包含一个 LSTM 层和一个全连接层的模型。我们使用二分类交叉熵作为损失函数，Adam 作为优化器，并且在训练过程中评估模型的准确率。在训练完成后，我们使用测试集来评估模型的性能，并输出测试集上的损失和准确率。需要注意的是，这里的 `X_train` 和 `y_train` 表示训练数据集的输入和输出，`X_test` 和 `y_test` 表示测试数据集的输入和输出。