最近学习用 PyTorch 做时间序列预测，发现只有 TensorFlow 官网的教程 把时间窗口的选取和模型的设置讲得直观易懂，故改编如下。本人也只是入门水平，翻译错误之处还请指正。

本文是利用深度学习做时间序列预测的入门教程，用到的模型包括卷积神经网络（CNN）和循环神经网络（RNN）。全文分为两大部分，又可以细分为：

• 预测单个时间步：
  • 预测一个特征。
  • 预测所有特征。
• 预测多个时间步：
  • 单发预测：模型跑一次输出所有时间步的结果。
  • 自回归：每次输出一个时间步的预测，再把结果喂给模型得到下一步的预测。

本文用到的数据和 notebook 可以在 GitHub 仓库 找到。