Keras中的时间序列编解码器LSTM

我在过去使用9个功能和18个时间步来预测未来的3个值：

lookback = 18
forecast = 3
n_features_X = 9
n_features_Y = 1

我的代码是：

# Encoder
past_inputs = tf.keras.Input(shape=(lookback, n_features_X), name='past_inputs')
encoder = tf.keras.layers.LSTM(128, return_state=True)
encoder_outputs, state_h, state_c = encoder(past_inputs)

# Decoder
future_inputs = tf.keras.Input(shape=(forecast, n_features_Y), name='future_inputs')

decoder_lstm = tf.keras.layers.LSTM(128, return_sequences=True)
x = decoder_lstm(future_inputs, initial_state=[state_h, state_c])
output = tf.keras.layers.Dense(1, activation='linear')(x)

# Create the model
model = tf.keras.models.Model(inputs=[past_inputs, future_inputs], outputs=output)

恐怕这条线路有问题：

future_inputs = tf.keras.Input(shape=(forecast, n_features_Y), name='future_inputs')

我得到的错误是：

AssertionError: Could not compute output Tensor("dense_23/Identity:0", shape=(None, 3, 1), dtype=float32)

---

关于如何正确执行此操作，您有什么想法吗？

请指定您的问题，并在适用的情况下发布错误。对不起，忘记了。我也遇到了同样的问题，你能给我解释一下未来的输入和输出有什么区别吗。如果我想训练x1，x1….x60并预测x61..x64过去的输入将来的输入和输出相同的问题，我有几乎相同的体系结构。请指定您的问题并发布错误（如果适用）。抱歉，忘记了。我也遇到了同样的问题，你能给我解释一下未来的输入和输出有什么区别吗。如果我想训练x1，x1….x60并预测x61..x64过去的输入，未来的输入和输出，这里有相同的问题，我有几乎相同的架构