Python 用Keras预测向量序列

给定995（1,4）个向量的序列，我想用Keras预测接下来的5（1,4）个向量

我的数据数组有形状（1000，1000，1，4），这是1000（1，4）个向量的1000个表示

我将这个数据数组子集为输入和输出，给出了形状的输入数组（1000995,1,4）和形状的输出数组（1000,5,1,4）

我使用了下面的代码，但是得到了一个与输出形状相关的错误，我不清楚如何构造模型中的最后一层来处理输出数组形状

从keras.models导入
从keras.layers导入稠密
X=np.数组（测试数据）[：，0:-5]
Y=np.数组（测试数据）[：，-5:]
印刷品（np.形状（X））
打印（np.形状（Y））
#创建模型
模型=顺序（）
添加（密集（12，输入_shape=X.shape[1:]，激活=relu'））
model.add（密集（8，activation='relu'））
model.add（密集型（4，激活='sigmoid'））
#编译模型
compile（loss='classifical_crossentropy'，optimizer='adam'，metrics=['accurity']）
#拟合模型并使用10%的数据进行验证
模型拟合（X，Y，历次=50，批次大小=10，验证分割=0.1）
#评估模型的准确性
分数=模型。评估（X，Y）
打印（“\n%s:%.2f%%”%（model.metrics_名称[1]，分数[1]*100））

我收到的输出是一个错误，似乎最后一层期望的形状与输入数据

X

相同，而不是输出数据

Y

，如下所示：

(1000, 995, 1, 4)
(1000, 5, 1, 4)

---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-45-ce15e7f4b527> in <module>()
     24 
     25 # Fit the model and use 10% of the data for validation
---> 26 model.fit(X, Y, epochs=50, batch_size=10, validation_split=0.1)
     27 
     28 # evaluate the model on accuracy

编辑：

问题在于输出阵列的形状应等于Y中的特征数，即

model = Sequential()
model.add(Dense(12, input_shape=X.shape[1:], activation='relu'))
model.add(Dense(8, activation='relu'))
model.add(Dense(Y.shape[1], activation='sigmoid'))

X和Y可以按照以前的方式初始化

---

希望这有帮助。

这给了我一个不同的错误：

ValueError:输入数组的样本数应该与目标数组的样本数相同。找到995个输入样本和5个目标样本。

X和Y的形状现在是：

（9951000，1，4）

（51000，1，4）

谢谢，有机会测试后我会报告的

model = Sequential()
model.add(Dense(12, input_shape=X.shape[1:], activation='relu'))
model.add(Dense(8, activation='relu'))
model.add(Dense(Y.shape[1], activation='sigmoid'))