经过长时间的研究，我无法找到这个问题的答案。

我的数据是一系列项目，每个项目都有一些特征。数据的形式如下：

我想预测第n+1个元素的特征。网络应该有特定数量的节点吗？输入LSTM Tensorflow网络的数据形状及其输出应该是什么样的？

回答：

关于输入和输出的大小，你在图片中已经定义了：你想从一个形状为(N, num_features)的输入矩阵中预测一个长度为num_features（你图片中的4）的向量，其中N是用于一次预测的样本数量。

在tensorflow中，占位符通常具有形状(batch_size, number_of_steps, number_of_features)。对于你来说，它们可以是这样的

input_holder = tf.placeholder(shape=(batch_size, None, num_features), dtype=..., name='inputs')target_holder = tf.placeholder(shape=(batch_size, num_features), dtype=..., name='targets')

如果你不想预定义N，那么你需要一个固定的批次大小。否则，你也可以这样

input_holder = tf.placeholder(shape=(None, N, num_features), dtype=..., name='inputs')target_holder = tf.placeholder(shape=(None, num_features), dtype=..., name='targets')

在这种情况下，N将是固定的，而你的批次大小是可变的。（你不能同时让两者都可变。）

至于你的网络大小，你需要自己进行实验：无法事先判断所需的节点数、层数等。