wgh1989

@nuckykk 请问你解决了吗？我也遇到这个问题

从log中看到，提取的图像和音频特征大小分别为(224, 2048) (32, 1024)，这里有两个问题， 一个是音画可能不同步，一般图像的T等于音频T的5倍，不过这个不会导致报错，因为后面会做对齐 另一个问题，提取的音频32x1024，小于40s（BMN的最小windows=200，即40s），会造成BMN的proposal无法获取对应长度的音频特征，导致报错 建议用大于40s的视频测试，保证提取的图像特征大于200 * 2048，音频大于40 * 1024

可以提供一下你的视频吗，我想测试看看

抱歉，一直没登陆，回复晚了 这个主要原因是特征提取，最后不足batch的数据被丢弃了，这个在最新版本中已经修复 我刚把视频下载，新代码跑了一下，是没问题的  如图，在每个模型的data_reader部分都加了最后不足batch的数据 另外就是，一定要保证视频时长 > 40s，如果觉得这个太长，可以在训练BMN的时候调整这个参数

@YongdongTan 512916是整个视频特征？视频的时长是多少？

时间维度上不能进行下采样，因为BMN的输入是每一帧的特征

可以试试pip install gast==0.3.3

输入格式需要自己改下 试试这个版本 https://bj.bcebos.com/v1/acg-algo/models/action-football/PaddleVideo-release-2.1-football.tar

这是logger的错误，line72改为如下就好了 logger.info("feature shape {} {}".format(np_image_features.shape, np_audio_features.shape)) 我更新下代码