所以我想为隐藏的马尔可夫模型训练一个非常大的特征数组： 700 x（400 x 4122），其中每个400x4122迷你阵列是400个时间戳中具有4122个特征的观察样本序列。当连接时，总共有700个这样的序列，相当于~45GB的内存。我的问题是：你如何使用这个大小的数组呢？
在 hmmlearn python包中，通常使用多个序列，如下所示：
x1 - ＆gt;一个400x4122序列
x2 - ＆gt;另一个400x4122序列
...
xn - ＆gt;第700个400x4122序列
X = np.concatenate（x1，x2，...，xn）
lengths = [len（x1），len（x2），...，len（xn）]
model = GaussianHMM（n_component = 6，...）。fit（X，length = lengths）
换句话说，需要连接整个序列数组并将其输入训练函数。但是，我想知道是否有办法一次提供一个400x4122序列，因为整个连接数组太大而无法使用。
提前致谢。