余槿&流年: 您好 可是我使用原本数据维度为[240,60,1]的股票价格数据，出来的数据还是[240,60,1] 我的网络代码如下： class LSTMNet(nn.Module): def __init__(self): super(LSTMNet, self).__init__() # 这里input_size是1是因为数据集为股票价格 其中特征数量只有1个 即为当前日期前60天的股票价格（就只有股票价格，所以是一个特征数量） self.lstm1 = nn.LSTM(input_size=1, hidden_size=80,dropout=0.2) # 这里输出[240,60,80] # 没太搞懂batch_first是啥意思 self.lstm2 = nn.LSTM(input_size=80, hidden_size=100,dropout=0.2) # 这里输出[240,60,100] self.linear1 = nn.Linear(100, 1) # 经过这里输出[240,60,1] def forward(self, x): print(x.shape) # 原始维度：[240,60,1] x, _ = self.lstm1(x) # 只保留最后一个时间步的输出，忽略hidden state print(x.shape) # 原始维度：[240,60,80] x, _ = self.lstm2(x) # 只保留最后一个时间步的输出，忽略hidden state print(x.shape) # 原始维度：[240,60,100] x = torch.squeeze(x, dim=0) # 去除维度为1的维度 print(x.shape) output = self.linear1(x) return output[:,-1,:]

James-J: 也可以用每个时间步的输出，如果是做股票预测的话是输入历史序列预测明天的未知结果，所以只需要取最后一个结果

嗳galaxy: 作者你好，我不太明白为什么forward函数总是返回最后一个时间步，预测出来的output不应该都是预测值吗，为什么只要每个batch的最后一个时间步？

James-J: 输入维度的定义有些API可以自己选择，默认第一维度是数据条数，也就是5000，一般输入三维的形式，比如（数据条数， 时间步长，一条数据的特征数量）

AI兴趣爱好者: 5000,打错了