Что я сделал:
* - Извлеченные кадры из видео и переданные в начало без верха для извлечения функций. **
- Сохраненные функции (8,8,2048) и наложение 9 кадров одного и того же видео. Я сохранил их в файлах .npy (их тысячи), в результате чего каждый из них (9, 8, 8, 048), где 9 принадлежат 9 таким функциям, сложены.
- Теперь у меня есть все эти файлы .npy, разделенные на поезда >> классы, действительные >> классы.
*
То, что я хочу сейчас: - Обучение модели LSTM, и я считаю, что каждый файл .npy имеет 9 кадров последовательно, что поможет LSTM учиться на предыдущих функциях. Но имея около 70 концертов файлов npy. Разъединены над поездом, действительным режиссером и под ними занятиями субдир. Итак, я действительно застрял, что делать? Есть ли способ сделать это красиво?
My feature-map numpy files samples:
rmal_Videos068_x264-features1.npy
rmal_Videos068_x264-features2.npy
rmal_Videos068_x264-features3.npy
rmal_Videos069_x264-features1.npy
rmal_Videos068_x264-features2.npy and so on
chunk_size = 2048
n_chunks = 9
nb_classes = 2
model = Sequential()
model.add(CuDNNLSTM(2048, input_shape=(n_chunks, chunk_size)))
model.add(Dense(1024, activation='relu'))
model.add(Dropout(0.5))
model.add(Dense(50))
model.add(Activation('relu'))
model.add(Dense(nb_classes))
model.add(Activation('sigmoid'))
optimizer = Adam(lr=1e-5, decay=1e-6)
model.compile(loss='binary_crossentropy', optimizer=optimizer,metrics=['accuracy'])
model.fit(data, target, epochs=100, batch_size=32, verbose=1) Моя главная проблема - данные и цель. хотя я знаю, что цель является двоичной. Как я должен пытаться это сделать? Так как его> 70 ГБ. Пробовать разные варианты не стоит. Как кормить данные? Любые дальнейшие ссылки, решения или что-либо вообще были бы действительно хороши
Связанные вопросы: LSTM поверх предварительно обученного CNN