首先，你选择伟大的教程（1，2）开始。
Time-step的含义：
Time-steps==3X.shape（描述数据形状）表示三个粉红色框。由于在Keras中，每个步骤都需要输入，因此绿色框的数量通常应等于红色框的数量。除非你破解结构。
多对多与多对一：在keras中，
return_sequences初始化LSTMor GRU或时有一个参数
SimpleRNN。当
return_sequences为False（默认情况下）时，则如图所示多对一。其返回形状为
(batch_size, hidden_unit_length)，代表最后一个状态。如果
return_sequences是的True话，那就是很多很多。它的返回形状是
(batch_size, time_step, hidden_unit_length)
features参数是否相关：
Feature参数的意思是“你的红框有多大”或每步的输入维数是多少？例如，如果你要从8种市场信息中进行预测，则可以使用生成数据
feature==8。
有状态：你可以查找源代码。初始化状态时，如果为
stateful==True，则将最后一次训练的状态用作初始状态，否则将生成新状态。我还没打开
stateful呢。但是，我不同意
batch_size只能将1设为
stateful==True。
当前，你将使用收集的数据生成数据。将你的股票信息以流的形式显示出来，而不是等待一天收集所有顺序记录，而是想在通过网络进行训练/预测时在线生成输入数据。如果你有400只股票共享同一网络，则可以设置
batch_size==400。
