我对于为RNN呈现我的标签/输出值的格式感到有点困惑 . 对于RNN，您可以将一批序列定义为输入：
X = tf.placeholder("float", [None, sequence_size, features_size], name="X")
但是我为标签定义了什么？
在我的情况下，我也可以为序列中的每个项目提供标签，所以我可以这样做：
Y = tf.placeholder("float", [None, sequence_size, labels_size], name="Y")
但是，我认为神经网络实际上只对结果来自于呈现给它的序列感兴趣 . 那么是否可以只提交一个标签列表，这些标签将与X中每个序列的结果相关联：
Y = tf.placeholder("float", [None, labels_size], name="Y")
我只是不确定Tensorflow是如何在幕后工作的 . 有人能证实吗？
由于我的数据格式化方式，实际上更容易呈现如下：
Y = tf.placeholder("float", [None, sequence_size, labels_size], name="Y")
我在序列中的每个观察都有一个标签 . 但我只是想检查一下好吗？
编辑：我的问题似乎引起了一些混乱，我认为这是因为我没有解释上下文 . 所以让我详细说明;我正在做天气预报，所以我每天都有温度， Cloud 量，太阳时间，风向，压力等等，并使用我想要预测未来两天的温度 .
因此，假设我提交了10天的天气数据序列，对于序列中的每一天，我是否提供标签（未来2天的温度），或者，我是否提供整个序列，即10天序列？