在了解了简单循环神经网络 (neural network) (RNN)的主要思想和数学原理，包括时间反向传播 (backpropagation)（BPTT）的工作方式之后，我们现在将重点转向实现。本章将指导您完成使用常用工具构建第一个RNN模型的实际步骤。

您将学习如何：

• 配置您的Python环境，安装所需的深度学习 (deep learning)库（TensorFlow或PyTorch）。
• 使用框架API来定义 SimpleRNN 层。
• 正确管理循环层所需的输入和输出张量形状，通常表示为 (batch_size, time_steps, features)。
• 将这些层组合成一个完整的序列模型。
• 构建基本的训练循环，根据损失函数 (loss function)来输入数据并更新模型权重 (weight)。
• 将这些步骤应用于一个涉及简单序列预测的实践案例。

在本章结束时，您将把RNN的理论知识转化为可运行的代码，为您处理更复杂的架构和应用做好准备。