keras 多层lstm

在 Keras 中实现多层 LSTM 非常简单，只需要将多个 LSTM 层堆叠在一起即可。下面是一个简单的例子：

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

model = Sequential()
model.add(LSTM(128, return_sequences=True, input_shape=(timesteps, input_dim))) # 第一层 LSTM
model.add(LSTM(64, return_sequences=True)) # 第二层 LSTM
model.add(LSTM(32)) # 第三层 LSTM
model.add(Dense(num_classes, activation='softmax')) # 输出层

在这个例子中，我们定义了三层 LSTM，每层都有不同数量的隐藏单元。第一层和第二层设置 `return_sequences=True`，表示返回整个序列的输出，而不仅仅是最后一个时间步的输出。输出层使用 softmax 激活函数，用于多分类问题。

注意，这里的 `timesteps` 表示序列的长度，`input_dim` 表示输入数据的维度，`num_classes` 表示分类的类别数。在实际使用中，这些值需要根据具体问题进行设置。