caffe HDF5Data 层使用及数据生成

参考文章：http://blog.csdn.NET/shuzfan/article/details/52503683

http://www.cnblogs.com/yinheyi/p/6083855.html

有些时候，我们的输入不是标准的图像，而是其它一些格式，比如：频谱图、特征向量等等，这种情况下LMDB、Leveldb以及ImageData layer等就不好使了，这时候我们就需要一个新的输入接口——HDF5Data.

(1) 在Matlab中生成HDF5文件

这里直接以例子的形式说明如何生成：

1、手写体的数据集

[html]  view plain  copy

1. %读完后，labels为一个50000*1的数组；  
2. labels = loadMNISTLabels('trainlabelsidx1ubyte');  
3. % reshape images to 4D:  
4. [rows,col,channel,numbers]  
5. trainData=reshape(images,[28 28 1 size(images,2)]);  
6. % permute to [cols,rows,channel,numbers]  
7. trainData=permute(trainData,[2 1 3 4]);  
8. % permute lables to [labels, number of labels ]  
9. trainLabels=permute(labels,[2,1]);  
10. % create database  
11. %注意，这是的/data与/label表示文件里的dataset.当我们定义.proto文件的网络时，一定要注意：top：分别也要为data和label.  
12. h5create('train.hdf5','/data',size(trainData),'Datatype','double');  
13. h5create('train.hdf5','/label',size(trainLabels),'Datatype','double');  
14. h5write('train.hdf5','/data',trainData);  
15. h5write('train.hdf5','/label',trainLabels);  
16. % same for test data  

生成文件以后，可以通过h5disp(’文件名‘）看看里面的东西。下面是我自己生成的文件里的内容，不是上面生成的
哦；

[html]  view plain  copy

1. >> h5disp('train.hdf5')  
2. HDF5 train.hdf5  
3. Group '/'  
4. Dataset 'data'  
5. Size: 256x1x1x200  
6. MaxSize: 256x1x1x200  
7. Datatype: H5T_IEEE_F64LE (double)  
8. ChunkSize: []  
9. Filters: none  
10. FillValue: 0.000000  
11. Dataset 'label'  
12. Size: 1x200  
13. MaxSize: 1x200  
14. Datatype: H5T_IEEE_F64LE (double)  
15. ChunkSize: []  
16. Filters: none  
17. FillValue: 0.000000  

查看proto文件中的内容

[html]  view plain  copy

1. layer {  
2.    name: "mnist"  
3.    type: "HDF5Data"  
4.    top: "data"   
5.    top: "label"  
6.    include {  
7.    phase: TRAIN  
8.  }  
9.    hdf5_data_param {  
10.      source: "mydata/train_list.txt"   
11.    batch_size: 200  

 }

注意：
第一，再生成HDF5文件时，一定要注意数组的维度关系，很敏感的，如，把1*50000写为了50000*1肯定会出错
的。在caffe中，数据都是以4维出现的。（我记得Python与matlab里的维度是正反的，python与C语言中都是
rowmajor, matlab中是 columnmajor,
相应的就是， matlab是一组维度中，左边的数字变化最快，，而
python中为右边。好像是这样的）
第二，生成的HDF5的dataset的名称一定要与你后面定义的.proto文件里的data层的top:后面的名称（即输出的
名称）一样啊，要不出错，找不到数据的）。
第三，在定义.proto文件里的data层时注意，hdf5_data_param的source不要直接写我们生成的HDF5文件的路
径，而是写一个.txt文件的，并在.txt文件里写入你生成的HDF5文件的路经，一个HDF5文件路径占一行，一定要
这样哦。原因是因为，我们可以要读入多个HDF5文件，所以要这样写哦。
第四，生成的HDF5文件一般都很大，如果是图片的话，可以很多的，HDF5Data layer不能按照batch来从磁盘上
读取数据，只能一次性把所有数据从h5文件中读到内存中，如果出错了，很可以你的内存不够了哦；
第五，HDF5Data layer不支持预处理功能。

2 问题：输入data是512*1的矢量，共1000个样本，label是标量。

代码如下：

% 创建HDF5文件，包含data和label两个变量，数据类型是caffe支持的float型数据

h5create('train.h5','/data',[1 1 512 1000],'Datatype','single');
h5create('train.h5','/label',[1 1 1 1000],'Datatype','single');

%reshape: width x height x channels x num，注意MATLAB读数据是列优先，是和C++里面相反的。所以写数据的时候也要倒着写。

train_data  = reshape(train_data,[1 1 512 1000]);
train_label = reshape(train_label,[1 1 1 1000]);

h5write('train.h5' ,'/data' , single(train_data));
h5write('train.h5' ,'/label', single(train_label));
 
 
1
2
3
4
5
6
7
8
9
10
11
12
 
 
1
2
3
4
5
6
7
8
9
10
11
12

关于HDF5在MATLAB里面的的其它用法，比如从指定位置开始写等等，请参照MATLAB文档。

(2) caffe中HDF5层的用法

注意：由于单个HDF5文件大小有限制，MATLAB下好像最大只能生成5G大小的文件，因此当我们的训练数据较多的时候，往往需要将数据分别写入多个H5文件中。

下面直接给出caffe中HDF5Data-layer的使用示例：

layer {
  name: "data"
  type: "HDF5Data"
  top: "data"
  top: "label"
  include {
    phase: TRAIN
  }
  hdf5_data_param {
  source: "train.txt"
  batch_size: 128
  shuffle: true
  }
}
 
 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
 
 
1
2
3
4
5
6
7
8
9
10
11
12
13
14

由于可能存在多个H5文件，所以HDF5Data的输入是从一个TXT文件读取的列表，train.txt内容示例如下：

train1.h5
train2.h5
...
 
 
1
2
3
 
 
1
2
3

还需要注意，shuffle是对H5文件进行乱序，而每个H5文件内部的顺序不动。