LSTM可以运行

import tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data

# set random seed for comparing the two result calculations
tf.set_random_seed（1）

# this is data
mnist = input_data.read_data_sets（‘MNIST_data‘ one_hot=True）

# hyperparameters
lr = 0.001
training_iters = 100000
batch_size = 128

n_inputs = 28   # MNIST data input （img shape: 28*28）
n_steps = 28    # time steps
n_hidden_units = 128   # neurons in hidden layer
n_classes = 10      # MNIST classes （0-9 digits）

# tf Graph input
x = tf.placeholder（tf.float32 [None n_steps n_inputs]）
y = tf.placeholder（tf.float32 [None n_classes]）

# Define weights
weights = {
    # （28 128）
    ‘in‘: tf.Variable（tf.random_normal（[n_inputs n_hidden_units]））
    # （128 10）
    ‘out‘: tf.Variable（tf.random_normal（[n_hidden_units n_classes]））
}
biases = {
    # （128 ）
    ‘in‘: tf.Variable（tf.constant（0.1 shape=[n_hidden_units ]））
    # （10 ）
    ‘out‘: tf.Variable（tf.constant（0.1 shape=[n_classes ]））
}


def RNN（X weights biases）:
    # hidden layer for input to cell
    ########################################

    # transpose the inputs shape from
    # X ==> （128 batch * 28 steps 28 inputs）
    X = tf.reshape（X [-1 n_inputs]）

    # into hidden
    # X_in = （128 batch * 28 steps 128 hidden）
    X_in = tf.matmul（X weights[‘in‘]） + biases[‘in‘]
    # X_in ==> （128 batch 28 steps 128 hidden）
    X_in = tf.reshape（X_in [-1 n_steps n_hidden_units]）

    # cell
    ##########################################

    # basic LSTM Cell.
    # if int（（tf.__version__）.split（‘.‘）[1]） < 12 and int（（tf.__version__）.split（‘.‘）[0]） < 1:
    #     lstm_cell = tf.nn.rnn_cell.BasicLSTMCell（n_hidden_units forget_bias=1.0 state_is_tuple=True）
    # else:
    #     print（“22222“）
    #     lstm_cell = tf.contrib.rnn.BasicLSTMCell（n_hidden_units）