Python 将形状为（m，n）的输入转换为（m，k，n），其中k作为数组的字符串表示形式“隐藏”在其中？

我有一个类似下图中的数据集，m行=批量大小，n列v1、v2。。。vn，每个代表一个特征。对于数据集中的每个示例，每个特征都是浮点数组的字符串表示形式，因此类似于“[-0.05,1.12，-0.23，…，1.22]”。表示为字符串的隐藏数组，如果转换为浮点数组，则长度为k。此输入直接输入到Tensorflow/Keras模型中，无需任何Python预处理：数据集按原样传递给model.fit，因此无法在Pandas或Numpy中进行转换和重塑

作为第一层，是否有方法在模型内部进行转换和重塑？该模型以形状m，n作为输入，提取长度k的隐藏数组，并将输入形状重新排列为m，k，n

首先，不能直接将字符串输入模型。首先需要将其转换为float

不能从模型内部重塑数据，但可以将输入形状设置为“无”。如果输入数据形状不固定，则可以将输入形状设置为“无”。在这种情况下，模型将接受任何形状的数据

你也可以看看这里的讨论。

首先，不能将字符串直接输入模型。首先需要将其转换为float

不能从模型内部重塑数据，但可以将输入形状设置为“无”。如果输入数据形状不固定，则可以将输入形状设置为“无”。在这种情况下，模型将接受任何形状的数据

你也可以看看这里的讨论。

---

你能提供一个最小的、可重复的例子吗？你能提供一个最小的、可重复的例子吗？