# 适用于 RNN 的 Keras 与 TensorFlow 相比，在 Keras 中创建 RNN 要容易得多。正如您在第 3 章中学到的，Keras 提供了用于创建循环网络的函数式和顺序 API。要构建 RNN 模型，您必须从`kera.layers.recurrent`模块添加层。 Keras 在`keras.layers.recurrent`模块中提供以下类型的循环层： * SimpleRNN * LSTM * GRU **有状态模型** Keras 复现层还支持 RNN 模型，可在批次之间保存状态。您可以通过将`stateful`参数作为`True`传递来创建有状态 RNN，LSTM 或 GRU 模型。对于有状态模型，为输入指定的批量大小必须是固定值。在有状态模型中，从训练批次中学到的隐藏状态将重新用于下一批。如果您想在训练期间的某个时刻重置内存，可以通过调用`model.reset_states()`或`layer.reset_states()`函数使用额外的代码来完成。 我们将在下一章中看到使用 Keras 构建 RNN 的示例。 有关 Keras Recurrent Layers 的最新文档可在以下链接中找到：[https://keras.io/layers/recurrent/](https://keras.io/layers/recurrent/).