rnn的一个实例代码

RNN（循环神经网络）在深度学习中常用于序列数据的建模。以下是一个使用Python和Keras库实现简单LSTM（长短期记忆网络）的例子，它会预测下一个字符在给定文本序列的情况下：

from keras.models import Sequential
from keras.layers import LSTM, Dense
import numpy as np

# 假设我们有训练数据（每个样本是一个单词，编码成整数）
data = "your_text_sequence"
chars = sorted(list(set(data)))
char_to_int = dict((c, i) for i, c in enumerate(chars))

# 将文本转换为数字序列
sequences = list()
for i in range(0, len(data) - maxlen, step):
    sequence_in = data[i:i + maxlen]
    sequence_out = data[i + maxlen]
    sequences.append([char_to_int[char] for char in sequence_in])

# 转换为数组格式并归一化
X, y = np.zeros((len(sequences), maxlen, len(chars)), dtype=np.bool), np.zeros((len(sequences), len(chars)))
for i, seq in enumerate(sequences):
    for t, char in enumerate(seq):
        X[i, t, char] = 1
    y[i, char_to_int[sequence_out]] = 1

# 构建模型
model = Sequential()
model.add(LSTM(128, input_shape=(maxlen, len(chars))))
model.add(Dense(len(chars), activation='softmax'))

# 编译和训练模型
model.compile(loss='categorical_crossentropy', optimizer='adam')
model.fit(X, y, epochs=100, batch_size=64)