1 如果只是学习怎么用LSTM，那么可以这么理解LSTM
LSTM可以看成一个仓库，而这个仓库有三个门卫，他们的功能分别是
遗忘门。决定什么样的物品需要从仓库中丢弃。
输入门。决定输入的什么物品用来存放在仓库。
输出门。根据输入的物品和当前仓库的状态决定输出什么。
但这三个门外怎么判断遗忘什么，输入什么和输出什么呢？这需要他们通过从历史的数据中学习，这样当未来输入货物时，就知道如何处理。
这就是为什么LSTM能够从历史数据中学习并记住知识的原因，就是有了这三个门。
我在学习LSTM过程中一直混淆的几个概念是
1 多时间步长
图片来自：https://www.jiqizhixin.com/articles/2019-04-01-8?from=synced&keyword=LSTM
也就是使用t-2，t-1,t 的去预测 t+1时刻的值
2 多变量
也就是使用多个特征去预测，上图没有用到多时间步长
https://machinelearningmastery.com/multivariate-time-series-forecasting-lstms-keras/
这里有一片的博客，或许对你有帮助，其中需要注意的地方是：
他分别用多变量单步时长 和 多变量多步时长（Multiple Lag Timesteps）。
它们最大的不同点在于：
下图是单步时长：1
下面是多步时长：n_hours = 3 (可以设置为任何时长)
经过实践，发现多步时长的训练时间要长于单步的，准确率相比也有提高。相当于手动设置了要预测的值和之前多长时间中的值相关。有中上下文相关的意味。
3 预测未来多个时长
以上不管是多时步长还是单时步长，预测是输出值只有一个，如果我想输入当前值，预测未来多个值呢？