LSTM全称长短期记忆人工神经网络（Long-Short Term Memory），是对RNN的变种。举个例子，假设我们试着去预测“I grew up in France… 中间隔了好多好多字……I speak fluent __”下划线的词。我们拍脑瓜子想这个词应该是French。对于循环神经网络来说，当前的信息建议下一个词可能是一种语言的名字，但是如果需要弄清楚是什么语言，我们是需要离当前下划线位置很远的“France” 这个词信息。相关信息和当前预测位置之间的间隔变得相当的大，在这个间隔不断增大时，RNN 会丧失学习到连接如此远的信息的能力。
这个时候就需要LSTM登场了。在LSTM中，我们可以控制丢弃什么信息，存放什么信息。
具体的理论这里就不多说了，推荐一篇博文Understanding LSTM Networks，里面有对LSTM详细的介绍，有网友作出的翻译请戳[译] 理解 LSTM 网络
股票预测
在对理论有理解的基础上，我们使用LSTM对股票每日最高价进行预测。在本例中，仅使用一维特征。
数据格式如下： 
执行效果如下：
根据股票历史数据中的最低价、最高价、开盘价、收盘价、交易量、交易额、跌涨幅等因素，对下一日股票最高价进行预测。
实验用到的数据长这个样子：
label是标签y，也就是下一日的最高价。列C——I为输入特征。
本实例用前5800个数据做训练数据。
执行效果如下：
本设计实例参考了前辈的代码，但是有的代码拿到没法运行成功，经过改进这个版本可以运行，特别感谢 Scorpio_Lu
lyshello123在他的两篇伯克基础上修改了部分代码，
Tensorflow实例：利用LSTM预测股票每日最高价（一）
Tensorflow实例：利用LSTM预测股票每日最高价（二）
在以上两篇博文中，博主介绍了RNN和LSTM，并使用LSTM实现了股票预测的例子，让人受益匪浅。
但博主提供的代码有一些bug，无法直接运行，经过本人的多番调试，已能完整运行，需要修改的路径问题也已经在代码中给出了注释，希望能在深度学习的路上给大家带来一些帮助。
完整可运行的代码：本实例在Win10 Python3.6 pycharm2018.1.4 上运行成功 ,测试时间2018-11-09-13.45