循环计算层的tensorflow描述

tf.keras.layers.SimpleRNN(循环核中记忆体的个数，activation=‘激活函数’，return_sequences=是否每个时刻输出到ht到下一层)

activation=‘激活函数’：表示使用什么激活函数计算ht，如果不写，默认tanh
return_sequences=True：表示各时间步输出ht到下一层
return_sequences=False：表示仅在最后时间步输出ht（默认）
return_sequences=True：

return_sequences=False：

一般最后一层的循环核用False，中间层的循环核用True：表示每个时间步都把参数输出到下一层，仅在最后时间步输出ht
如下图：

如tf.keras.layers.SimpleRNN(3,return_sequences=True)

要求送入RNN的数据是三维的，即x_train是三维的：
[送入样本数，循环核时间展开步数，每个时间步输入特征个数]

如上图的第一个图：以关送入RNN2组数据，每组数据经过1个时间步即可输出结果，每个时间步送入3个数值。

所以是[2,1,3]