使用 Keras RNN 模型使用具有较少时间步长（不同维度）的数据进行预测

Question

根据 RNN 的性质，我们可以在每个时间戳（按时间展开）得到预测概率的输出。

假设我用 5 个时间步长训练一个 RNN，每个时间步长有 6 个特征。因此，我必须像这样指定第一层（假设我们使用具有 20 个节点的 LSTM 层作为第一层）：

model.add(LSTM(20, return_sequences=True, input_shape=(5, 6)))

如果我输入相同的维度数据，模型运行良好。但是，现在我想使用数据的前 3 个时间步长来获得预测（输入形状将为 3、6），不接受相同的语法。

我的问题是，是否可以使用带有 keras 的相同模型进行此类预测（无需采用训练数据的前 3 个时间步长并训练另一个模型）？如果是，我应该如何处理语法？如果没有，是否还有其他带有 LSTM 的 RNN 包支持此类功能？