keras 多层lstm

Keras中的多层LSTM模型可以通过Sequential或Functional API来构建。下面是一个简单的例子：

使用Sequential API构建多层LSTM模型：

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

model = Sequential()
model.add(LSTM(units=64, return_sequences=True, input_shape=(timesteps, input_dim)))
model.add(LSTM(units=32, return_sequences=True))
model.add(LSTM(units=16))
model.add(Dense(units=output_dim, activation='softmax'))

使用Functional API构建多层LSTM模型：

from keras.layers import Input, LSTM, Dense
from keras.models import Model

inputs = Input(shape=(timesteps, input_dim))
x = LSTM(units=64, return_sequences=True)(inputs)
x = LSTM(units=32, return_sequences=True)(x)
x = LSTM(units=16)(x)
outputs = Dense(units=output_dim, activation='softmax')(x)

model = Model(inputs=inputs, outputs=outputs)

在这两个例子中，我们都使用了多个LSTM层，其中`return_sequences=True`表示返回每个时间步的输出，而`return_sequences=False`表示只返回最后一个时间步的输出。在最后一层之后，我们添加了一个全连接层（Dense）来进行分类或回归任务。