# TensorFlow 中的 LSTM 由于爆炸和消失梯度的問題，簡單的 RNN 架構并不總是有效，因此使用了改進的 RNN 架構，例如 LSTM 網絡。 TensorFlow 提供 API 來創建 LSTM RNN 架構。 在上一節中展示的示例中，要將 Simple RNN 更改為 LSTM 網絡，我們所要做的就是更改單元類型，如下所示： ```py cell = tf.nn.rnn_cell.LSTMCell(state_size) ``` 其余代碼保持不變，因為 TensorFlow 會為您在 LSTM 單元內創建門。 筆記本 `ch-07a_RNN_TimeSeries_TensorFlow` 中提供了 LSTM 模型的完整代碼。 然而，對于 LSTM，我們必須運行 600 個周期的代碼才能使結果更接近基本 RNN。原因是 LSTM 需要學習更多參數，因此需要更多的訓練迭代。對于我們的簡單示例，它似乎有點過分，但對于較大的數據集，與簡單的 RNN 相比，LSTM 顯示出更好的結果。 具有 LSTM 架構的模型的輸出如下： ```py train mse = 0.0020806745160371065 test mse = 0.01499235536903143 test rmse = 0.12244327408653947 ```