包含LSTM的Keras NN模型不能用动态序列训练d创建

Question

我需要创建一个神经网络来预测不同场地的跑步比赛

不同的场馆将有不同的赛段，评分员将记录比赛期间各个赛段的排名

那样 4条赛道和4个赛段 (4,2,3,1) (3,2,4,1) (3,2,4,1) （1,2,4,3）

5条赛道和3个赛段 (5,4,2,3,1) (3,2,4,5,1) （1,2,5,4,3）

我试图创建Keras模型，但不知道如何使用不同数量的序列和字段计数进行训练

我必须使用输入层来创建模型，因为我需要将两个网络连接成一个网络

from keras.models import Sequential, Model
from keras.layers import Activation, Dense, Input
from keras.layers import concatenate
from keras.layers.recurrent import LSTM

from keras.regularizers import l1
from keras.constraints import min_max_norm

input_Race = Input(shape=(?, ?))
rankSequence = LSTM(91, return_sequences=True)(input_Race)

input_age = Input(shape=(6,))
age = Dense(122, activation='relu')(input_age)

fusion = concatenate([rankSequence, age])
fusion = Dense(122, activation='relu')(fusion)
fusion = Dense(102, activation='relu')(fusion)
fusion = Dense(91, activation='sigmoid')(fusion)
model = Model(inputs=[input_Race, input_age], outputs=fusion)
model.compile(optimizer='RMSprop', loss='binary_crossentropy')

我需要你们告诉我如何定义输入层中LSTM的形状，在动态训练序列中