我正在训练LSTM模型来预测时间序列数据。我的模型的输出形状有问题。我的模型在输入窗口大小小于或等于输出窗口大小时有效。但是，当输出窗口大小大于输入窗口大小时，它不起作用。
这是什么意思？假设我有x和y。

# shape = (# of samples, Window Size, # of Features)
x = np.random.random((100, 5, 8))
y = np.random.random((100, 15, 8))

在我的数据集中，我用之前的5个数据点预测接下来的15个数据点。x0 ~ x4 -> x5 ~ x19。形状与上面的numpy数组相同。
我的LSTM架构看起来像这样。

my_model = Sequential(
        [
            tf.keras.layers.LSTM(
                32,
                input_shape=x.shape[-2:], # (N, # of features)
                return_sequences=True,
            ),
            tf.keras.layers.Dropout(0.1),
            tf.keras.layers.LSTM(18, return_sequences=True),
            tf.keras.layers.Dropout(0.1),
            tf.keras.layers.TimeDistributed(tf.keras.layers.Dense(x.shape[-1])),
            tf.keras.layers.Lambda(lambda x: x[:, -y.shape[-1]:, :])  # Adjust output shape
        ]
    )

当X的窗口大小小于或等于Y的窗口大小时，模型可以完美地工作。但是，使用提供的x和y，模型给出（None，5，8）作为其输出，我不知道为什么会这样。如何调整我的LSTM模型，以适应任何类型的输入和输出窗口大小？
非常感谢。
我试着在这里查找先前的问题，但我找不到我的解决方案。我试着删除一些层，但基本上我不能使输出窗口的大小大于输入窗口的大小。