我遇到了一些麻烦。我有4个特征，并且我想同时预测每一个特征。我的回顾期是12，我希望能预测未来12个时间步。是否有可能并行预测所有4个目标？

我有以下代码。train_df的形状是(40000, 4)，val_df的形状是(8000, 4)。

win_length=12batch=32n_features=4train_generator = TimeseriesGenerator(train_df, train_df, length=win_length, sampling_rate=1, batch_size=batch)val_generator = TimeseriesGenerator(val_df, val_df, length=win_length, sampling_rate=1, batch_size=batch)model = Sequential()model.add(LSTM(128, activation='tanh', input_shape=(win_length, n_features), return_sequences=True))model.add(LSTM(128, activation='tanh', return_sequences=True))model.add(LSTM(64, activation='tanh', return_sequences=True))model.add(TimeDistributed(Dense(1)))model.compile(loss='mse', optimizer='adam')model.summary()model.fit_generator(train_generator, validation_data=val_generator)

我在使用fit_generator函数时得到了以下错误，我似乎无法弄清楚原因。你有什么想法吗？

tensorflow.python.framework.errors_impl.InvalidArgumentError:  Incompatible shapes: [32,12] vs. [32,4]

回答：

我不太理解TimeseriesGenerator是如何工作的，但看起来你希望数据和目标有两个相同的序列，因此使用了mse。我自己检查过，TimeseriesGenerator不会产生两个相同的序列（数据形状为(32, 12, 4)，目标形状为(32, 4)）。我现在最好的猜测是手动实现生成器。另外，我认为model.add(TimeDistributed(Dense(1)))应该改为model.add(TimeDistributed(Dense(4)))