RNN是一种序列模型，所谓的序列模型就是序列中包含信息。

序列模型的严格定义是：输入或输出中包含序列数据的模型叫做序列模型。

其有两大特点：

1. 输入（输出）元素之间是具有顺序关系，不同的顺序，得到的结果应该是不同的，比如‘不睡觉’和‘睡觉不’这两个短语的意思是不同的。
2. 输入输出不定长。比如两聊天机器人，聊天的对话长度是不定的。

普通神经网络模型

       在说RNN的模型结果前，我们先看看简单的普通神经网络的结构（该图就是个向量机模型，其是神经网络的积木，神经网络就是由多个向量机搭建的）：

然后再来看看RNN结构和普通神经网络的区别：

        RNN和普通神经网络的区别就是：上一个数据的输出会作为这一个的输入，其和普通神经网络的区别就是在输入层会多N(中间层有几个神经单元，就多几个，比如本图中中间层只有1个神经元，那么它就比普通神经网络在输入层多1个）个。

        还需要注意的是：RNN的输入是一组数据，一般在一组数据中，只有最后一个才有实际数据给到下一层或者作为结果给出。但是如果RNN层的下一层还是RNN结构，那么就需要每一个数据都要输出结果到下一层（在tensorflow中用参数return_sequence控制）。

现在再来看看我们怎样使用Tensorflow搭建一个简单的RNN模型：

首先创建模型（即说明你的神经网络有几层，每一层有几个神经元，神经元见怎样连接）：

然后我们可以输出模型结构：

 然后编译模型（即说明你以什么作为损失函数，用那种方式来进行优化参数）：

 然后就是训练模型：

最后就是使用模型进行预测了。

我在github上提交了一个使用RNN进行股票预测的简单模型，其中包含了用于股票预测的股票历史数据（注：本模型不提供任何实际买股建议），其网址为：rotten-meng/Stock_Price_Predict_Simple_RNN: 使用20天股票的高、开、低、收、上影线、下影线、实体相对于昨日价格的涨跌幅来预测后5天最高收盘价的涨跌幅。模型是使用keras中的SimpleRNN搭建，使用训练数据集中的后20%用做测试集。 (github.com)https://github.com/rotten-meng/Stock_Price_Predict_Simple_RNN