Модель LSTM с несколькими функциями - тензор потока

Question

Я бы попытался создать модель LSTM с несколькими переменными функциями. У меня есть 5 функций, поэтому у меня есть матрица ввода N x T x D (где T = 10, D = 5) и та же матрица проверки. Форма матрицы должна быть в порядке, данные стандартизированы и т. Д. c, но я получил сообщение об ошибке. Как мне решить эту проблему?

T = 10
D = 5
X = []
Y = []
X2 = []
Y2 = []

for t in range(len(X_train) - T):
    x = X_train[t:t+T]
    X.append(x)
    y = Y_train[t+T]
    Y.append(y)

for t in range(len(X_test) - T):
    x_test = X_test[t:t+T]
    X2.append(x_test)
    y_test = Y_test[t+T]
    Y2.append(y_test)    

np.array(X).shape

X = np.array(X).reshape(-1, T, D) # Now the data should be N x T x D
Y = np.array(Y)
X2 = np.array(X2).reshape(-1, T, D) # Now the data should be N x T x D
Y2 = np.array(Y2)
N = len(X)
print("X.shape", X.shape, "Y.shape", Y.shape)
print("X2.shape", X2.shape, "Y2.shape", Y2.shape)

### try autoregressive RNN model
i = Input(shape=(T, D))
x = LSTM(5)(i)
x = Dense(1)(x)
model = Model(i, x)
model.compile(
  loss='mse',
  optimizer=Adam(lr=0.1),
)

# train the RNN
r = model.fit(
  X, Y,
  epochs=80,
  validation_data=(X2, Y2),
)

И я получаю это сообщение об ошибке

 UnknownError:  [_Derived_]  Fail to find the dnn implementation.
 [[{{node CudnnRNN}}]]
 [[model_3/lstm_3/StatefulPartitionedCall]] [Op:__inference_distributed_function_6850]

Function call stack:
distributed_function -> distributed_function -> distributed_function