我正在尝试使用可变时间步长的数据在Keras训练LSTM模型，例如，数据看起来像：
x1 : [[0,0], [0,0], [0,0]]
x2 : [[0,0], [0,0]]
x3 : [[0,0], [0,0], [0,0], [0,0]]
x1的时间步长为3，x2的时间步长为2，x3的时间步长为4
这是lstm层的定义：
model.add(LSTM(256, input_shape=(None, 2), return_sequences=True))
我可以使用
训练这个模型model.fit(x1, y1)
model.fit(x2, y2)
model.fit(x3, y3)
工作正常。但通过这种方式，只能使用1个数据来训练模型。
因为x1，x2和x3具有不同的形状，所以我不能将它们堆叠成像numpy数组一样：
np.hstack((x1, x2, x3))
那么我是否必须逐个使用数据训练模型？有没有办法批量训练这个模型？谢谢大家帮助我：）