在使用Keras书籍（F. Chollet著，第6章）中的GRU架构训练Jena天气数据集后，我在理解预测阶段时遇到了困难：

最后一层是没有激活函数的Dense层，输出如预期般是一串数字：维度为行数X 1。我猜这些应该是预测结果，但看起来像是所有14个参数的概率。为什么只对14个参数中的一个进行预测？

问题在于输入是行数X列数（14个参数），而预测输出无法重塑为14列的数组——就像天气数据集所包含的那样。

在Jena天气时间序列问题中，预测结果不应该与输入具有相同数量的列吗？

如果预测是针对所有14个参数，并且它们通过一个单元的Dense层进行了处理——那么这些预测的“流”应该能够重新塑形为行数X列数？

回答：

请参考生成器函数的定义：

samples[j] = data[indices]targets[j] = data[rows[j] + delay][1]

目标是数据中的第二列，应该是'”T (degC)”‘。所以这个模型预测的是摄氏度的温度。

关于最后一层Dense层，它没有激活函数。因此，它只是作为一个简单的线性回归模型工作。输出只是前一层输出的总结，乘以层权重。