MATLAB中的PLSTM数据输入代码：使用TensorFlow实现部分感知LSTM，应用于NTU RGB+D骨骼动作识别

简介：
本项目展示了如何在MATLAB中利用TensorFlow库编写PLSTM（部分感知LSTM）模型，并将其用于新加坡南洋理工大学RGB+D骨架动作识别数据集的深度学习任务。 在TensorFlow中实现部分感知LSTM用于基于骨骼的动作识别提出了一个新的模型——部分感知的lstm（Part-LSTM）。这个模型将整个身体分为5个不同的部位，并设计了特殊的LSTM单元以更好地提取上下文特征，这些特性让其相较于普通LSTM单元表现更佳。与传统LSTM细胞相比，PLSTM已经分离出了对应于不同身体部位的输入门(i)、遗忘门(f)和输出门(o)，这使得模型能够更加有效地处理特定的身体动作。 为了实现这个模型，在TensorFlow中创建了几个文件：`network` 文件夹包括 `PartAwareLSTMCell.py`, `DataLoader.py`, 和 `PLSTM.py`. 其中的 `PartAwareLSTMCell.py` 描述了一个可识别零件的 LSTM 单元，而 `DataLoader.py` 则是一个用于加载和预处理骨架数据的数据加载器。所有骨骼数据格式类似于数组 `[Number_clips, {mat: data, view: v, class: c, actor: a}]`, 其中每一帧的数据格式为 `[Frames, 25, 3]`. 另外，`PLSTM.py` 文件是主要的训练和评估入口点。在 `utils` 文件夹内有一个文件叫 `gendata.py` ，它用于生成以numpy数组形式存在的数据。 以上描述中的代码结构与实现细节提供了构建一个基于部分感知LSTM的动作识别系统的框架。