我在做deepfake視頻檢測，每組輸入是6個圖片，設定的batchsize是32，輸入shape是(32,6,128,128,3)，我用的是Timedistrubuted層處理的輸入里的每張圖片，然后我打算在給每個影像卷積后加一個注意力層，用的是gcnet layer。加入之后就出現了圖片上的問題：ValueError: number of input channels does not match corresponding dimension of filter, 1 != 64。然后我把gcnet layer里相關的層輸出出來發現是context_transform = tf.keras.layers.Conv2D(filters=int(c/8), kernel_size=(1, 1))(context)這一次卷積得到的特征圖個數不對。c是64，理論上應該得到8個特征圖。但是只得到了1個特征圖。這要怎么解決呀？
問題圖片：
我是這樣對每個圖片加入注意力層的，不知道還有什么其他方法：
gcnet layer：
gcnet layer里print函式的輸出：
我之前在影像分類里用過gcnet layer，可以正常使用。
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/172500.html
上一篇：急！！pandas DataFrame 的reindex 不能重新索引的問題
下一篇：windows+python+opencv環境下，cv2.VideoCapture（）發現不了usb接入的攝像頭。