Dokumentacja Keras wskazuje także, że przy odpowiednich ustawieniach i dostępności sprzętu warstwa może korzystać z szybkiej implementacji cuDNN.

Przykład w Keras: from keras import layers, models

model = models.Sequential([ layers.Input(shape=(None, 8)), layers.LSTM(64), layers.Dense(1) ])

R W języku R sieci LSTM można budować między innymi za pomocą pakietów `keras` i `torch`. Pakiet `keras` udostępnia funkcję `layer_lstm()`, będącą interfejsem do warstwy LSTM z Keras/TensorFlow.

Przykład w R z użyciem pakietu `keras`: library(keras)

model <- keras_model_sequential() |> layer_lstm(units = 64, input_shape = c(NULL, 8)) |> layer_dense(units = 1)

model |> compile( optimizer = "adam", loss = "mse" )

Pakiet `torch` dla R zawiera funkcję `nn_lstm()`, która działa analogicznie do modułu `torch.nn.LSTM` w PyTorch. Pozwala określić między innymi wymiar wejścia, liczbę jednostek ukrytych, liczbę warstw, dropout i dwukierunkowość.

Przykład w R z użyciem pakietu `torch`: library(torch)