Lil'Log（Lilian Weng 个人博客） · Lilian Weng
Predict Stock Prices Using RNN: Part 1
Predict Stock Prices Using RNN: Part 1是Lil'Log（Lilian Weng 个人博客）的免费文章（en）。前置条件：需要了解神经网络基础，知道 RNN 与 LSTM 的概念；作者建议不熟悉者可先读其前一篇 RNN 概述文章。
学会用 TensorFlow 搭建并训练 LSTM RNN，对股票收盘价时间序列做滑动窗口切分、归一化和预测，并用 TensorBoard 跟踪训练。
- 难度
- 见前置条件
- 类型
- 博客 · 文章
- 语言
- en
- 规模
- 1 个课节
- 内容费用
- 免费
- 动手
- 需要动手环境
使用限制
正文可公开直接阅读，无需账号；动手运行需本地 Python 环境与 TensorFlow，数据可由作者提供的存档或公开行情页面获取。
- 练习与作业
- S&P 500 收盘价数据：作者提供的 stock-data-lilianweng.tar.gz 存档或 Yahoo! Finance ^GSPC 历史数据
- 内容提示
- 内容时效：网页标注 2017 年 7 月 8 日发布，示例使用 tf.contrib.rnn.LSTMCell、tf.placeholder 等 TensorFlow 1.x 时代的 API。
第一次学这门课？先完成学前准备，把课程目录搭好。
每节课这样学
- 发提示词把下面的每课提示词发给 AI Agent，它会准备这一课的练习文件。
- 学官方课节打开对应课节学习，按提示从第一道练习做起；它不会替你写答案。
- 记进度学完让 AI Agent 在 progress.md 勾选，并把疑问整理到 questions.md。
继续学习「Predict Stock Prices Using RNN: Part 1」。课程目录是 stock-rnn-tensorflow-part1/（不知道完整路径就先问我）。 1. 读 progress.md，找到下一课；如果我指定了第几课，就准备那一课。 2. 打开这一课的官方页面和本地讲义，列出本课练习要用的工具、文件和样例数据。缺少的先告诉我，等我同意再安装或下载。 3. 在 lessons/ 对应的课节文件夹里准备好练习：exercises/ 里给每道题建一个文件，写上题号和题目原文链接，不写答案；已有文件保留，样例数据放到 data/。拿不到官方题目或起始代码时记录限制，不编造替代品。 4. 按 README 运行开课时生成的自检脚本或在线检查清单，并检查本课新增工具能否正常使用。 5. 告诉我：本课先读哪几节、从哪道练习开始、大约需要多久。我学完后，帮我在 progress.md 勾选并把问题整理到 questions.md。 边界： - 需要管理员权限、会产生费用或需要填写密钥的操作，先告诉我原因，等我同意。密钥由我在本机配置，不发到聊天，不写进笔记或版本库；原项目需要 .env 时确认已被 Git 忽略。 - 不替我写练习或作业答案，也不替我提交。我卡住时只给提示；我明确要求时才给解答。 - 只下载许可允许个人保存的材料；其余只放链接。不把未运行的命令说成成功。
课节共 1 节 · 官方顺序
常见问题
免费吗？
免费：节选里可直接读到数据准备、模型定义、训练与 TensorBoard 等主要教程正文，无付费墙或登录要求。实践无额外费用：网页未提及需要付费云服务、API 或 GPU；代码在本机运行即可，数据为作者提供的免费存档。
需要什么基础？
需要了解神经网络基础，知道 RNN 与 LSTM 的概念；作者建议不熟悉者可先读其前一篇 RNN 概述文章。还需会基本 Python 与 NumPy。软件、账号与硬件：能运行 Python 与 TensorFlow 的环境；可选下载作者提供的 S&P 500 数据存档或从 Yahoo! Finance 获取 ^GSPC 历史数据。
有中文吗？
本站记录的语言是en；是否有中文字幕或译本本站未核实，请以原站为准。
怎么开始？
从原始资源入口开始：https://lilianweng.github.io/posts/2017-07-08-stock-rnn-part-1/。本页“学前准备”列出环境与工具，“学习指南”给出开课提示词，可以在自己的电脑上按步骤开始。开课提示词尚未完整验证。练习与作业需要自备：S&P 500 收盘价数据：作者提供的 stock-data-lilianweng.tar.gz 存档或 Yahoo! Finance ^GSPC 历史数据。
来源与使用须知
- 收录时间
- 本站首次收录 2026-10-24
- 指南参考
- 课程主页
版权与转载
- 课程材料未标明许可：仅供个人学习，转载、修改或商用前请先联系原作者。
- 本站只提供原始链接和学习指南，不转载、不镜像课程材料；引用时请注明原作者与出处。