我目前正在一个项目中，尝试创建一个能够对视频中的动作进行分类的机器学习模型。我已经创建了一个脚本，该脚本能够检测视频中的人并根据身体部位的运动生成数据。这将生成具有以下输入形状的4D数组：
（nframe，nperson，nbodyparts，每个身体部位3个坐标）
只有1个视频（2人）的输入形状，持续3秒，以60fps / s的速度拍摄，如下所示： （180，2，25，3）
每个视频的4D数组都保存为numpy文件，因此如果我处理400个视频。我将得到400个numpy文件。
下一步是创建一个keras或tensorflow RNN-LSTM模型，该模型能够训练400个numpy文件并能够使用每个视频的4D数组，但是我真的不知道如何获得这个去工作。我已经在寻找一些解决方案，但是我唯一能做的就是Keras只能使用3D阵列。
非常感谢您的帮助，并希望通过示例代码介绍如何解决此问题。
国王的问候，
答案 0 :(得分：0)
我假设您正在使用el.attachShadow({ mode: "open" })。 numpy.array可以将4d数组重塑为3d。可以找到文档here。
示例：
np.resahpe()然后，您可以在线遵循教程来构建模型。示例教程可以是this。
注意：您提到“ Keras仅能与3D阵列一起使用。”我认为其中一个维度是为import numpy as np
# create a sample 4d array data of shape (10, 2, 25, 3)
data = np.arange(10*2*25*3).reshape((10, 2, 25, 3))
# condense the 4d array to 3d array by explicitly stating the shape.
data_reshaped = data.reshape((10, 2, 75))
# or you can use -1 to ask numpy infer the dimension
data_reshaped2 = data.reshape((10, 2, -1))
# you can also reshape your data into 2d of shape (10, 150)
data_reshaped3 = data.reshape((10, -1))
保留的。因此，我建议您将4d数组转换为2d。