TensorFlow model 具有时间序列数据，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。

我有几列显示每个渠道的营销支出，以及不同产品的销售额。 下面是一张图片，说明了数据集。 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，我可以只预测所有列，就像我有一个仅包含销售额的数据集时所做的那样。

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使用具有不同输入形状的 tensorflow 神经网络？ 这种情况下的测试数据将是实际的测试数据或已经是实际的未来。 或任何其他类似的 model？ 不幸的是，我在研究过程中没有找到任何解决方案。

谢谢你的时间。