Python 中的深度神经网络，具有 3 个输入和 3 个输出

Question

我想在 Python（最好是 PyTorch，但 TensorFlow 也是可能的）中实现一个深度神经网络，它可以预测下一个位置和到达该位置的时间。 对于原始数据，我有一个 csv 文件，其中包含三个值的序列：纬度、经度和时间：

39.984702,116.318417,2008-10-23,02:53:04
39.984683,116.31845,2008-10-23,02:53:10
39.984686,116.318417,2008-10-23,02:53:15
...

这样的行数约为 100 000。所以，这是我的问题。 我应该如何拆分数据，对其进行规范化和转换，以便将其输入 DNN（最好是 GRU 或 LSTM，但我读到 CNN 也是可能的）并作为 output 接收预测的位置和到达时间？

根据我目前的研究，应该做的是将数据拆分为序列（长度为 n），规范化值，甚至可能更改时间的格式（确保不将其作为字符串输入），然后处理最后一个在 DNN 的教学过程中，序列中的值作为 label。 一个简单的代码会非常有帮助，因为我在理解 NN 的输入和输出的不同维度方面存在问题。

Answer 1

只是一个提示，暂时我会将其转换为 Epoch Unix 时间戳。