/**********************************************************************************************
*文件说明:
* [深度学习笔记5]
* caffe数据层参数的详解
*运行环境:
* UBUNTU14.04+caffe+python可视化接口
*时间地点:
* 陕西师范大学----2016.10.31
*参考资料:
* http://caffe.berkeleyvision.org/gathered/examples/cifar10.html
**********************************************************************************************/
(一)caffe中的数据:输入输出
caffe中的数据流以Blobs(一种caffe基本的数据结构)进行传输.[数据层]将[输入]转换为Blob加载数据,将blob
转换为[其他格式]输出保存.
均值消去(减均值操作),特征缩放(将范围为[0,255]的图像数据归一化为[0,1])等基本数据处理都在[数据层]
进行配置.
新的数据格式需要定义新的[数据层]。
(二)数据层的定义
layer {
name: "mnist" //[1]数据层的名字为--mnist
type: "Data" //[2]数据层加载levelDB或LMDB的数据库存储格式保证快速传输
top: "data" //[3]数据层的输出blob有两个:data,label(对应生成的CNN图看)
top: "label"
include { //[4]include里面的数据说明,该层只在训练阶段有效
phase: TRAIN
}
transform_param { //[5]数据预处理,转换参数的定义
scale: 0.00390625 //[1]特征归一化系数,将范围为[0,255]的MNIST数据归一化为[0,1]
//[2]均值文件的路径
mean_file: "examples/myself/myself_mean.binaryproto"
mirror:1 //[3]对images进行水平镜像处理或者随机裁剪处理,可作为:简单的数据增强处理
// #1=on,0=off
crop_size:227 //[4]裁剪会的大小为crop_size*crop_size
}
data_param { //[6]数据层的参数
source: "examples/mnist/mnist_train_lmdb"
//[1]数据库路径
batch_size: 64 //[2]批量数目,表示caffe一次从数据库LMDB读入的图片的数量
backend: LMDB //[3]数据库的类型说明区别于LevelDB数据库
}
}
【深度学习】笔记5_caffe数据层参数的详解
最新推荐文章于 2024-06-06 09:54:19 发布