我是tensorflow / tflearn和深度学习的新手，所以这些可能是基本问题，但我会感激任何意见 .
-
问题1：我已经能够在一组2年的时间序列数据/序列中使用tflearn成功运行LSTM模型 . 我可以通过"look_back"的变化运行模型（例如1天，7天，30天），但它会在每次迭代时输出单个值 . 运行LSTM以获得更大的回调可以改善测试数据集的RMSE . 问题是，如果我的目标是预测"next 30 days"给定一组历史日常值，我该如何修改模型？我认为我需要将我的OUTPUT张量修改为一个序列，或者在每次迭代时以某种方式提供解码器输出作为下一个的输入？或者我是否修改模型以输出完整序列？我找不到任何明确的例子来说明如何做到这一点 .
-
问题2：训练模型后，您究竟如何 生产环境 模型 . 假设在我的情况下，我使用一年的数据训练/测试了一个模型来预测接下来的30天 . 我现在究竟能如何实现这一点，以便当我获得每日 Value 时，他们会与模型集成 . 同样，任何这方面的例子都会很棒 .
我试图通过tensorflow教程，但我不确定他们是否解决了这些问题 .
谢谢