我是 tensorflow/tflearn 和深度学习的新手，所以这些可能是基本问题，但我将不胜感激。
- 问题 1：我已经能够使用 tflearn 在一组 2 年的时间序列数据/序列上成功运行 LSTM 模型。我可以通过“look_back”的变体（例如 1 天、7 天、30 天）运行模型，但它会在每次迭代时输出一个值。运行 LSTM 进行更大的回顾可以提高我的测试数据集的 RMSE。我的问题是，如果我的目标是在给定一组历史每日值的情况下预测“未来 30 天”，我该如何修改模型？我想我需要将我的 OUTPUT 张量修改为一个序列，或者以某种方式在每次迭代中将解码器输出作为下一次迭代的输入？还是我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：模型训练完成后，具体如何生产模型。假设在我的案例中，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。我现在如何才能实现这一点，以便当我获得每日价值时，它们会与模型集成。同样，任何这样的例子都会很棒。
我试图通过 tensorflow 教程，但我不确定它们是否解决了这些问题。
谢谢