一，定义
循环神经网络（Recurrent Neural Network，RNN）是一种深度学习神经网络架构，专门设计用于处理序列数据，如时间序列数据、自然语言文本等（一般用来解决序列问题）。
因为它们具有一种循环的结构，可以在处理每个时间步的输入时保留一些记忆。可以捕捉先前时间步的信息，并将其传递到当前时间步，然后再使用前面的知识进行模拟。
简单的来说，RNN 通过序列顺序关系（后面的数据跟前面的数据有关系），来拟合一个循环模型，通过这个模型来计算最终的结果
这样说或许比较抽象，我们来看下面的一个例子
样例1
有一个小孩子叫做 李富贵，李富贵正在和她的爸妈在果园里面玩，他说了两句话
样例2
还有一个小孩子叫做 玛卡巴卡 ， 玛卡巴卡 正在和他的爸妈在逛商场，他也说了两句话
这两句话是有前后的关系，这种最后的结果是和前后的序列有关的，像这样的模型可以使用 RNN 来进行拟合。
二，循环神经网络的基础知识
1，循环神经网络的基本思路
1， 完成数据的处理
2， 完成网格结构的建立（建立第 n 层的网格结构）
3， 完成网格结构上下层之间的关系
4， 完成模型的编译，训练模型
5， 最后的使用模型来进行后面的预测
简单的来看，我们在建立循环神经网络的过程更像是一种建筑高楼的过程，在建筑高楼的时候我们先建立每一层的网格结构，然后我们再建立网格结构的上下楼的通道。
不得不提到的是神经网络的构建是有不同框架的，我们本次学习首先了解一些简单的框架。
2, , 项目实践
可以说这个项目可能是我们所涉及到的最难搞得一个项目了，本神经网络即使学习到现在还是存在很多信息的盲点，以及项目中的内容很多还是一知半
未完结...