最近铁柱一直在思考一个问题 ， 如何在Keras中实现RNN序列到序列(sequence-to-sequence)的预测？...图四
简单案例
当输入序列和输出序列长度相同时，您可以简单地用LSTM或GRU层（或其堆栈）来实现这些模型。以下的示范就是这种情况，它显示如何教导RNN学习如何对数字进行相加(加法)：
?...# 重复“DIGITS + 1”次，因为这是最大输出长度，例如当DIGITS = 3时，最大输出是999 + 999 = 1998（长度为4)。...model.add(RNN(HIDDEN_SIZE, return_sequences=True))
# 对输入的每个时间片推送到密集层来对于输出序列的每一时间步，决定选择哪个字符。...到了这里，我们已经学会了seq-seq 大致的建模思路，现在回到时序预测上来， 如果有一条时间序列[13,42,16,47,44,47,23,37,73,88,79,71,84], 我们又该如何预测出未来时刻的值呢
