具有时间序列数据的 TensorFlow 模型，具有用于训练和预测的不同输入形状

Question

我有一个不错的工作神经网络，主要使用 LSTM、Dropout 和 Dense 层。我通常只将它用于销售预测，但现在我的问题是我想用不同形状的数据集进行训练和预测。

我有几个列显示每个渠道的营销支出，以及不同产品的销售额。您可以在下面找到一张图像，说明数据集。现在，橙色数据（营销渠道和产品销售）应该是训练数据。当我进行多对多预测时，我可以预测所有列，就像我有一个只包含销售额的数据集一样。

但我已经知道未来的营销支出，因为它已经提前计划好了。现在，为此我可以只使用 pystats（例如 OLS），但 LSTM 非常擅长记住过去的营销支出和销售额。

实际问题： 有没有办法在训练和测试数据上利用具有不同输入形状的张量流神经网络？在这种情况下，测试数据要么是实际的测试数据，要么已经是实际的未来。 或者其他类似的型号？不幸的是，我在研究过程中没有找到任何解决方案。

感谢您的时间。