使用Tensorflow Keras 创建简单的RNN

如何创建一个简单的RNN模型？在谷歌Keras有详细的介绍。
Keras中，有4种类型的RNN模型，分别是：

1. SimpleRNN （全连接的简单RNN）
2. LSTM（长短时记忆模型）
3. GRU （门控逻辑模型）
4. StackedRNNCells（堆叠模型）

另外，keras还提供了RNN类，用来使用上述4种模型构建循环神经网络。RNN可以看作是构建循环神经网络的容器，只要将不同的循环神经网络的模型或者单元加入到RNN这个容器中即可。
在上述4种模型中，前面的3种都提供了直接的RNN实现以及相应的模型，堆叠模型只提供了模型。因此堆叠模型必须使用RNN+StackedRNNCells来实现堆叠循环神经网络。

本篇先介绍使用SimpleRNN和 RNN+SimpleRNNCell 2种方法来实现简单的循环神经网络。

1. SimpleRNN
   此种方法就是先建立Sequential 顺序模型，然后添加SimpleRNN即可。具体代码如下：

import tensorflow as tf
import numpy as np
from tensorflow import keras
import os
import matplotlib.pyplot as plt

os.environ['TF_CPP_MIN_LOG_LEVEL'] = '1'
#读取本地mnist数据
def my_load_data(path='mnist.npz'):
    origin_folder = 'https://storage.googleapis.com/tensorflow/tf-keras-datasets/'
    path = tf.keras.utils.get_file(
        path,
        origin=origin_folder + 'mnist.npz',
        cache_dir='DataSet/',
        cache_subdir=""
    )