所以我正在关注 Tensorflow 的LSTM/时间序列教程，但有些东西我不明白。我确实理解开/关会发生什么return_sequences，但是，据说，return_sequences在你允许的情况下

同时在多个时间步上训练模型

我不太明白这是什么意思。如果保持关闭，输入将经过所有先前的时间步长，并进行预测。你的损失将是这个预测与实际的误差。你仍然在所有时间步上训练，对吧（虽然我猜不是同时？）。

现在，如果它打开，它会在每个时间步上进行预测——在这种情况下，损失是什么？它是序列中每个预测的平均误差吗？为什么最好打开return_sequences，就像教程中所做的那样？在这种情况下，模型学习得更多还是更快？它如何影响学习？

还指出，

使用return_sequences=True该模型可以一次对 24 小时的数据进行训练。

不还是这样return_sequences=False吗？在示例中，他们仍在教模型根据前 24 个时间步预测 1 个时间步。