Tensorflow - 预测序列：X 和 Y 是什么？

我有一个张量，需要使用张量流 LSTM/RNN 预测序列中的下一个元素，同时考虑到前 5 个元素。我应该向 X 和 Y 输入什么？

从 1 2 3 4 5，我想预测 6

假设我的输入序列 X 是：

X = 1 2 3 4 5 
    6 7 8 9 10 
    11 12 13 14 15
    ...

我的 Y 会是：

Y = 2 3 4 5 6 
    7 8 9 10 11 
    12 13 14 15 16
    ... ?

或者我应该喂它：

X = 1 2 3 4 5 
    2 3 4 5 6
    3 4 5 6 7 
    ....

我的 Y 会是：

Y = 6
    7 
    8 
    ... ?

或者 TensorFlow 会自动执行此操作吗？

我现在使用第一种方法，受到教程的启发，其中：

    x = tf.placeholder(tf.int32, [None, num_steps], name='input_placeholder')
    y = tf.placeholder(tf.int32, [None, num_steps], name='labels_placeholder')

    rnn_outputs = tf.reshape(rnn_outputs, [-1, state_size])
    y_reshaped = tf.reshape(y, [-1])
    logits = tf.matmul(rnn_outputs, W) + b
    predictions = tf.nn.softmax(logits)
    total_loss = tf.reduce_mean(tf.nn.sparse_softmax_cross_entropy_with_logits(logits=logits, labels=y_reshaped))

如果我要求预测（在实际代码中，时间步长为 16，类数为 14313，对此表示抱歉）：

        prevSlice = np.array([[1, 2 , 3 , 4, 5, 6 ,7, 8, 9 ,10, 11, 12, 13, 14, 15, 16]], dtype=np.string_)
        feed_dict={g['x']: prevSlice}
        preds, state = sess.run([g['preds'],g['final_state']], feed_dict)

我得到的 15 个预测太多了。或者说我该如何解读这些？我不需要预测接下来的 16 个切片，只需预测下一个切片。

自从LSTM执行一个sequence to sequence预测，这是否意味着你会得到一系列batch_size长度作为预测器的输出而不是单个时间步长。

简而言之，您将得到与预测大小相同的序列。

Edit:

def predict_point_by_point(model, data):
    #Predict each timestep given the last sequence of true data, in effect only predicting 1 step ahead each time
    predicted = model.predict(data)
    predicted = np.reshape(predicted, (predicted.size,))
    return predicted

你可以沿着这些思路做一些事情，并为每个添加一个移动窗口len(timestep)您可以将添加的一个时间步输入到模型中，这样您也可以一次输出一个。