Keras 如何将数据以正确的形状输入我的LSTM，以及如何为我的数据集创建标签？

我有暴力场景的视频数据集，我把每一个视频都转换成了7张图片。 我使用预训练vgg16从每幅图像中提取特征，因此我现在将数据集设置为图像数组 每个图像的大小都是7*7*512。 我只处理了我的数据集的10个视频，所以我有（10*7=70）图像的特征，所以我的特征阵列是成型的（70,7,7,512）

因此，我将我的数据重塑为如下概念（样本、时间步长、特征）我将我的样本视为我的视频，我的时间步长视为每个视频中的图像数，即7个图像，特征数为7*7*512=25088，因此我将输入重塑为（10,725088），这是我的代码：

lstm_train_sample = np.reshape(x,(10,7,25088))
t_labels = [1,1,1,1,1,1,1,1,1,1]

lstm = Sequential()
lstm.add(LSTM(200, activation='relu', return_sequences=True, input_shape=(7, 25088)))
lstm.add(LSTM(100, activation='relu', return_sequences=True))
lstm.add(LSTM(50, activation='relu', return_sequences=True))
lstm.add(LSTM(25, activation='relu'))
lstm.add(Dense(20, activation='relu'))
lstm.add(Dense(10, activation='relu'))
lstm.add(Dense(2))
lstm.compile(optimizer='adam', loss='mse')
lstm.compile(optimizer='adam', loss='mse',metrics=['accuracy'])
lstm.fit(lstm_train_sample , t_labels , epochs=150 , batch_size=2 )

所以我有一些问题：

---

1-输入的形状是这样的吗

2-第一层的形状是对的还是错的？（时间步长、功能数量）

3-我将批量大小设置为2，我想知道这里的批量大小意味着每个批次有2个视频，或者意味着每个批次有2个图像？ 另一方面，批量大小是处理视频样本还是处理图像时间步长

---

4-我需要为每个视频或图像序列制作标签这意味着我需要10个标签的数组，因为我为train使用10个视频，所以我如何才能以正确的方式为它们创建标签，使LSTM将标签作为类而不是整数值处理。

1-输入形状是这样的

对

2-第一层的形状是对的还是错的？（时间步长、功能数量）

是的，没关系

3-我将批量大小设置为2，我想知道这里的批量大小意味着每个批次有2个视频，或者意味着每个批次有2个图像？另一方面，批量大小是处理视频样本还是处理图像时间步长

batch_size=2，意味着一批将传递2个数据点，即2个视频，而不是图像。您在批处理中的数据维度将是（2,7,25088）

4-我需要为每个视频或图像序列制作标签这意味着我需要一个10个标签的数组，因为我在列车上使用10个视频，所以我如何为它们创建标签？错误的方式使LSTM将标签作为类而不是整数值处理

---

您的标签必须是一个热编码标签。您可以使用

tensorflow.keras.utils.to\u category

1-输入的形状是这样的吗

对

2-第一层的形状是对的还是错的？（时间步长、功能数量）

是的，没关系

3-我将批量大小设置为2，我想知道这里的批量大小意味着每个批次有2个视频，或者意味着每个批次有2个图像？另一方面，批量大小是处理视频样本还是处理图像时间步长

batch_size=2，意味着一批将传递2个数据点，即2个视频，而不是图像。您在批处理中的数据维度将是（2,7,25088）

4-我需要为每个视频或图像序列制作标签这意味着我需要一个10个标签的数组，因为我在列车上使用10个视频，所以我如何为它们创建标签？错误的方式使LSTM将标签作为类而不是整数值处理

---

您的标签必须是一个热编码标签。您可以使用

tensorflow.keras.utils.to_category

很好，如果有帮助，请不要忘记更新投票/接受答案。很好，如果有帮助，请不要忘记更新投票/接受答案。