output = tf.keras.rnn.static_rnn(cell, seqTimeSteps, dtype = tf.float64)这句话在TensFlow 2.x中该怎么改写

在 TensorFlow 2.x 中，可以使用 `tf.keras.layers.RNN` 或 `tf.keras.layers.LSTM` 等 Keras 循环层来构建动态展开的 RNN，然后使用 `call` 方法来进行向前传播。下面是一个示例：

import tensorflow as tf

# 构建 LSTM 层
lstm_layer = tf.keras.layers.LSTM(units=hidden_size, return_sequences=True)

# 构建 RNN 层
rnn_layer = tf.keras.layers.RNN(cell=lstm_layer, return_sequences=True, dtype=tf.float64)

# 输入序列数据
seqTimeSteps = tf.zeros(shape=(batch_size, seq_length, input_size), dtype=tf.float64)

# 进行向前传播
output = rnn_layer(seqTimeSteps)

这里，我们首先使用 `tf.keras.layers.LSTM` 构建了一个 LSTM 层，然后将其作为参数传递给 `tf.keras.layers.RNN`，构建了一个 RNN 层。接下来，我们将输入序列数据传递给 RNN 层的 `call` 方法，得到输出张量 `output`。需要注意的是，`return_sequences=True` 表示返回完整的输出序列（而不是只返回最后一个时间步的输出）。如果你只需要最后一个时间步的输出，可以将其设为 `False`。