Question

我有5000个视频，每个10秒。对于每个视频，我提取了300帧（30 fps），对于每个帧，我提取了50个功能。因此，我的数据集可以表示为多维数据集，其尺寸为（帧= 300，要素= 50，视频= 5000）

我想在Keras中创建一个有状态的LSTM，但我不明白如何调整输入内容以及训练模型的最佳方法是什么？

在阅读了几篇文章之后，我想到了一种可能的解决方案：

从每个序列创建子序列。例如，如果window_size = 30，则我有300-30 + 1 = 271个子序列。每个子序列都有50个特征，因此我有一个尺寸为271x30x50的立方体。我对5000个样本中的每个样本都重复此步骤。

训练模型一次输入一个多维数据集，因此我的Python代码应该是这样的：

for e in epochs:

    for x in cubes:

        mdoel.fit(x, y, shuffle=False, batch_size=30, epochs=1)

        model.reset_states()

我的解决方案正确吗？如果是，是否有更好的方法来执行此任务？那batch_size = 30呢？是正确的还是batch_size必须完美划分子序列的数量？