python 实现 RNN

RNN（Recurrent Neural Network，循环神经网络）是一种用于处理序列数据的神经网络。Python 中可以使用多个深度学习框架来实现 RNN，例如 TensorFlow 和 Keras。以下是使用 Keras 实现简单 RNN 的示例代码：

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

# 生成示例数据
data = np.random.rand(1000, 10, 5)
labels = np.random.rand(1000, 1)

# 构建模型
model = Sequential()
model.add(SimpleRNN(units=32, input_shape=(10, 5)))
model.add(Dense(units=1, activation='sigmoid'))

# 编译模型
model.compile(optimizer='adam', loss='binary_crossentropy')

# 训练模型
model.fit(data, labels, epochs=10, batch_size=32)

# 评估模型
loss = model.evaluate(data, labels)
print(f'Loss: {loss}')

在这个示例中，我们使用了 `Sequential` 模型，并添加了一个 `SimpleRNN` 层和一个 `Dense` 层。`SimpleRNN` 层的 `units` 参数指定了隐藏层的神经元数量，`input_shape` 参数指定了输入数据的形状。`Dense` 层的 `units` 参数指定了输出层的神经元数量，`activation` 参数指定了激活函数。