我创建了一个预测模型，并在其中使用了 Python 中的 tensorflow 库提供的 RNN。这是我创建并尝试过的完整代码：
但我有疑问。
1) RNN 对于我要预测的内容是否正确？
2) 有没有更好的算法我可以尝试？
3) 谁能建议我如何使用 tensorflow 模型提供多个输入并获得必要的输出？谁能指导我。
我希望我的观点很清楚。如果还有其他需要，请告诉我。
【问题讨论】：
标签： python python-3.x algorithm tensorflow jupyter-notebook
有疑问是正常的，但您应该在寻求建议之前尝试衡量它们。如果您没有明确的东西想要改进，那么您不太可能会得到更好的东西。
1) RNN 对于我要预测的内容是否正确？
是的。 RNN 在这里使用得当。如果您不太关心具有任意长度的输入序列，您还可以尝试将它们强制为固定大小，然后在顶部应用卷积（请参阅卷积神经网络），或者甚至尝试使用更简单的 DNN。
要问自己的更重要的问题是您是否有正确的输入，以及您是否有足够的训练数据来学习您希望学习的内容。
2) 有没有更好的算法我可以尝试？
可能没有。正如我所说，RNN 似乎适合这个问题。请尝试一些超参数调整，以确保您不会意外选择次优配置。
3) 谁能建议我如何使用 tensorflow 模型提供多个输入并获得必要的输出？谁能指导我。
处理可变长度输入的常用方法是设置最大长度并填充较短的示例，直到它们达到该长度。最大长度可以是您选择的变量，也可以将其动态设置为批处理中的最大长度。这只是因为内部操作是分批完成的。你可以选择你想要的结果。选择最后一个是合理的（模型只需要学习传播填充值的状态）。另一个合理的做法是在将最后一个有意义的值输入 RNN 之后，选择你得到的第一个。
查看您的代码，我会改进一件事：
我不会只计算最后一个值的损失，而是计算系列中的所有值。这为您的模型提供了更多的训练数据，而性能几乎没有下降。
【讨论】：
Instead of computing a loss on the last value only, I would compute it over all values in the series. This gives your model more training data with very little performance degradation. 先生，您能建议我具体添加什么吗？