ValueError: невозможно преобразовать массив размером 78543360 в форму (51135,4,32,32)

Вы пытаетесь преобразовать X_train в (51135, 4,32,32). Это невозможно, потому что форма X_train (51135, 128, 12). 51135 х 128 х 12 != 51135 х 4 х 32 х 32

У меня не было доступа к вашим данным, поэтому я создал фиктивные массивы np.zero для данных с указанными вами размерами. Запустил его, чтобы посмотреть, что происходит с размерами. Описанной вами ошибки не встречал. Код, который я использовал, приведен ниже. Бегает и тренируется, поэтому размеры кажутся правильными.

X_train=np.zeros((51135, 128, 12))
y_train=np.zeros((51135, 1))
X_test=np.zeros((21915, 128, 12))
y_test=np.zeros((21915, 1))
print(X_train.shape, y_train.shape, X_test.shape,y_test.shape)
verbose, epochs, batch_size = 0, 25, 64
n_timesteps, n_features, n_outputs = X_train.shape[1], X_train.shape[2], y_train.shape[1]
print(n_timesteps, n_features, n_outputs)
# reshape data into time steps of sub-sequences
n_steps, n_length = 4, 32
X_train = X_train.reshape((X_train.shape[0], n_steps, n_length, n_features))
X_test = X_test.reshape((X_test.shape[0], n_steps,n_length, n_features))
print (X_train.shape, X_test.shape)
# define model
model = Sequential()
model.add(TimeDistributed(Conv1D(filters=64, 
kernel_size=3, activation='relu'), input_shape= 
(None,n_length,n_features)))
model.add(TimeDistributed(Conv1D(filters=64, 
kernel_size=3, activation='relu')))
model.add(TimeDistributed(Dropout(0.5)))
model.add(TimeDistributed(MaxPooling1D(pool_size=2)))
model.add(TimeDistributed(Flatten()))
model.add(LSTM(100))
model.add(Dropout(0.5))
model.add(Dense(100, activation='relu'))
model.add(Dense(n_outputs, activation='sigmoid'))
model.compile(loss='binary_crossentropy',optimizer='adam', metrics=['accuracy'])
model.summary()
model.fit(X_train, y_train, epochs=epochs, batch_size=batch_size, verbose=1)

Вот данные, которые распечатываются. Конечно, данные обучения со всеми нулями бессмысленны, но размеры подходят для выполнения model.fit.

(51135, 128, 12) (51135, 1) (21915, 128, 12) (21915, 1)
128 12 1
(51135, 4, 32, 12) (21915, 4, 32, 12)
Epoch 1/25
799/799 [==============================] - 9s 11ms/step - loss: 0.6051 - accuracy: 1.0000
Epoch 2/25
799/799 [==============================] - 5s 6ms/step - loss: 0.3479 - accuracy: 1.0000