如何使用Keras在Python中创建具有动态输出的LSTM模型？

Question

我正在使用Python在Keras中创建LSTM模型，并且我具有下一个上下文：

我有一个回归问题，我想要一个X层不同的LSTM模型，该模型输入40个元素的序列并输出下一个Y值。这些Y值应该是动态的。这是：在一种情况下，也许我想为40个元素的序列预测下一个10个元素，但在其他情况下，我想对下一个100个值进行预测。

我的问题是：有可能吗？

我有下一个代码：

model = Sequential()
model.add(LSTM(200, activation='relu', input_shape=(trainx.shape[1], trainx.shape[2])))
model.add(RepeatVector(outputs))
model.add(LSTM(200, activation='relu', return_sequences=True))
model.add(TimeDistributed(Dense(100, activation='relu')))
model.add(TimeDistributed(Dense(1)))
model.compile(loss='mse', optimizer='adam')
# fit network
history = model.fit(trainx, trainy, epochs=100, batch_size=300, verbose=1)


# make predictions
trainPredict = model.predict(trainx)