用python写一个lstm代码

以下是一个简单的LSTM代码示例，用于预测时间序列数据：

import numpy as np
import matplotlib.pyplot as plt
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import LSTM, Dense

# 生成时间序列数据
def generate_data():
    x = np.linspace(0, 10, 1000)
    y = np.sin(x)
    return y

# 创建训练数据和标签
def create_dataset(data, look_back=1):
    X, Y = [], []
    for i in range(len(data)-look_back-1):
        X.append(data[i:(i+look_back)])
        Y.append(data[i+look_back])
    return np.array(X), np.array(Y)

# 定义模型
model = Sequential()
model.add(LSTM(units=50, input_shape=(1, look_back)))
model.add(Dense(units=1))
model.compile(optimizer='adam', loss='mean_squared_error')

# 准备训练数据
data = generate_data()
look_back = 10
X, Y = create_dataset(data, look_back)
X = np.reshape(X, (X.shape[0], X.shape[1], 1))

# 训练模型
model.fit(X, Y, epochs=100, batch_size=32)

# 预测未来数据
future_data = generate_data()
future_X, future_Y = create_dataset(future_data, look_back)
future_X = np.reshape(future_X, (future_X.shape[0], future_X.shape[1], 1))
predicted_Y = model.predict(future_X)

# 绘制预测结果
plt.plot(future_Y)
plt.plot(predicted_Y)
plt.show()

该代码将生成一个包含1000个点的正弦波时间序列，然后使用LSTM模型训练该序列，并使用该模型预测未来值。预测结果将与实际值一起绘制在同一张图上。