帮我写一个LSTM的Python代码

LSTM（长短期记忆网络）是一种递归神经网络，常用于处理序列数据，如文本、语音和时间序列预测等任务。下面是一个简单的Keras库实现LSTM的例子：

# 导入所需的库
from keras.models import Sequential
from keras.layers import LSTM, Dense

# 创建一个Sequential模型
model = Sequential()

# 添加一个LSTM层，输入维度可以根据数据调整，比如这里是300个特征，输出维度为128个神经元
model.add(LSTM(128, input_shape=(None, 300)))

# 添加一个全连接层作为输出层，假设我们的目标是一分类问题，所以输出节点数为1
model.add(Dense(1, activation='sigmoid'))

# 编译模型，设置损失函数、优化器和评价指标
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])

# 如果有预训练权重，可以加载
# model.load_weights('pretrained_model.h5')

# 现在你可以用fit()方法来训练模型了，需要提供训练数据和标签
# train_data, train_labels = ... # 你的训练数据
# model.fit(train_data, train_labels, epochs=10, batch_size=32)

# 使用时，通过predict()方法对新数据进行预测
# predictions = model.predict(new_data)

记得将`input_shape`和网络结构根据实际项目需求进行调整，并准备相应的训练数据、标签以及适当的训练参数。