# TensorFlow RNN 在低級 TensorFlow 庫中創建 RNN 模型的基本工作流程與 MLP 幾乎相同： * 首先創建形狀的輸入和輸出占位符（無，＃TimeSteps，＃Features）或（批量大小，＃TimeSteps，＃Features） * 從輸入占位符中，創建一個長度為＃TimeSteps 的列表，其中包含形狀的張量（無，＃特征）或（批量大小，＃特征） * 從`tf.rnn.rnn_cell`模塊創建所需 RNN 類型的單元 * 使用先前創建的單元和輸入張量列表來創建靜態或動態 RNN * 創建輸出權重和偏差變量，并定義損失和優化器函數 * 對于所需的周期數，使用損失和優化器函數訓練模型 這個基本工作流程將在下一章的示例代碼中演示。讓我們看看可用于支持先前工作流程的各種類。