能否提供一个用Python实现LSTM（长短期记忆网络）模型的基础代码示例？

当然可以。在Python中，我们可以使用Keras库，它是TensorFlow的一个高级API，来创建LSTM模型。下面是一个基础的LSTM模型训练和使用的简单例子：

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

# 创建Sequential模型
model = Sequential()

# 添加一个LSTM层，单元数32，输入维度为None（因为这是时间序列数据，长度可以变化），并跟随一个Dropout层防止过拟合
model.add(LSTM(32, input_shape=(None, input_dim), return_sequences=True))
model.add(Dropout(0.2))

# 再添加另一个LSTM层，同样有32个单元
model.add(LSTM(32))
model.add(Dropout(0.2))

# 最后添加全连接层，输出维度等于你想要的类别数
model.add(Dense(units=num_classes, activation='softmax'))

# 编译模型，指定损失函数、优化器和评价指标
model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])

# 假设X_train和y_train是你的时间序列数据和对应的标签
model.fit(X_train, y_train, epochs=10, batch_size=64)

# 预测新的样本
predictions = model.predict(X_test)

# 更具体的使用会涉及预处理数据，如序列填充，以及one-hot编码等步骤

在这个例子中，`input_dim`是你的输入特征维度，`num_classes`是分类的类别数目。记得替换实际的数据和参数。