lstm网络训练并输出 python

以下是一个简单的LSTM网络训练和输出的Python代码示例：

import numpy as np
from keras.models import Sequential
from keras.layers import Dense, LSTM

# 生成一些训练数据
data = np.random.random((1000, 10))
labels = np.random.randint(2, size=(1000, 1))

# 构建LSTM模型
model = Sequential()
model.add(LSTM(32, input_shape=(10, 1)))
model.add(Dense(1, activation='sigmoid'))
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])

# 训练模型
model.fit(data.reshape((1000, 10, 1)), labels, epochs=10, batch_size=64)

# 输出预测结果
test_data = np.random.random((10, 10))
predictions = model.predict(test_data.reshape((10, 10, 1)))
print(predictions)

这段代码首先生成一些训练数据和对应的标签，然后构建一个带有一个LSTM层和一个输出层的模型。模型编译后使用`fit()`方法进行训练。最后，使用模型的`predict()`方法对一些测试数据进行预测并输出结果。