lstm的简单例子python

下面是一个简单的LSTM模型的Python代码示例：

import numpy as np
import tensorflow as tf

# 定义输入数据和标签
x_data = np.array([[[1], [2], [5], [6]], [[2], [3], [6], [7]], [[3], [4], [7], [8]]])
y_data = np.array([[7], [8], [9]])

# 定义LSTM模型
input_dim = 1
hidden_dim = 10
output_dim = 1

x = tf.placeholder(tf.float32, [None, None, input_dim])
y = tf.placeholder(tf.float32, [None, output_dim])

lstm_cell = tf.contrib.rnn.BasicLSTMCell(hidden_dim)

outputs, states = tf.nn.dynamic_rnn(lstm_cell, x, dtype=tf.float32)

# 将LSTM输出转换为输出维度
output = tf.layers.dense(outputs[:, -1, :], output_dim)

# 定义损失函数和优化器
loss = tf.reduce_mean(tf.square(output - y))
optimizer = tf.train.AdamOptimizer(learning_rate=0.01).minimize(loss)

# 开始训练模型
sess = tf.Session()
sess.run(tf.global_variables_initializer())

for i in range(1000):
    _, l = sess.run([optimizer, loss], feed_dict={x: x_data, y: y_data})
    if i % 100 == 0:
        print("Step", i, "Loss", l)

# 预测模型输出
test_x = np.array([[[4], [5], [8], [9]]])
prediction = sess.run(output, feed_dict={x: test_x})
print("Prediction", prediction)

这个例子使用LSTM模型来预测一个时间序列的下一个数字。输入数据是三个长度为四的序列，输出数据是一个长度为一的数字。在训练时，使用Adam优化器和均方误差损失函数来训练模型。最后，使用训练好的模型对一个新的长度为四的序列进行预测，并输出预测结果。