Tensorflow_gesture

如何将.csv文件中的数据解析并进行pc端预测

• 使用Utils/ReadCsv.py文件读取并解析csv文件，执行完成后会将数据以txt文件的形式存至path路径
• 将txt格式的文件切成0.5s的微手势
• 使用切成的微手势利用Predict/gesture_cnn_pb_predict.py文件进行预测

LSTM实现思路

连续手势的持续时长有1s和2s两种持续时长，先将连续手势中的微手势（20.5s和40.5s）作为cnn的输入，这时一个连续手势通过cnn后可以产生2个或4和256维的输出，把这些256的输出格式化为等长（以最长的4256为标准，将2256中不4256的部分补0），这样连续手势经过cnn后的输出都为4256，将这4*256的一维向量作为LSTM的输入进行训练。

tensorflow->android demo需求说明

输入数据维度为28550，pb文件是已有的，输出预测得到的label值。

tensorboard 可视化需求说明

包括但不限于：train_loss&test_loss&train_accuracy&test_accuracy&mean of kernels&weights of kernels