lstm模型代码

以下是一个简单的LSTM模型代码示例：

import tensorflow as tf

# 定义模型
class LSTMModel(tf.keras.Model):
    def __init__(self, num_classes, hidden_dim):
        super(LSTMModel, self).__init__()
        self.lstm_layer = tf.keras.layers.LSTM(hidden_dim, return_sequences=True)
        self.dense_layer = tf.keras.layers.Dense(num_classes, activation='softmax')

    def call(self, inputs):
        x = self.lstm_layer(inputs)
        x = self.dense_layer(x)
        return x

# 准备数据
x_train = ...
y_train = ...

# 定义模型和优化器
model = LSTMModel(num_classes=10, hidden_dim=128)
optimizer = tf.keras.optimizers.Adam()

# 训练模型
for epoch in range(num_epochs):
    with tf.GradientTape() as tape:
        logits = model(x_train)
        loss = tf.keras.losses.sparse_categorical_crossentropy(y_train, logits, from_logits=True)
        grads = tape.gradient(loss, model.trainable_variables)
        optimizer.apply_gradients(zip(grads, model.trainable_variables))

在上面的代码中，我们定义了一个`LSTMModel`类，它继承自`tf.keras.Model`类。在`__init__()`方法中，我们定义了一个LSTM层和一个全连接层。在`call()`方法中，我们将输入数据传递给LSTM层并将其输出传递到全连接层，最终返回输出结果。在训练过程中，我们使用Adam优化器和交叉熵损失函数来训练模型。