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
- %读完后,labels为一个50000*1的数组;
- labels = loadMNISTLabels('trainlabelsidx1ubyte');
- % reshape images to 4D:
- [rows,col,channel,numbers]
- trainData=reshape(images,[28 28 1 size(images,2)]);
- % permute to [cols,rows,channel,numbers]
- trainData=permute(trainData,[2 1 3 4]);
- % permute lables to [labels, number of labels ]
- trainLabels=permute(labels,[2,1]);
- % create database
- %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.
- h5create('train.hdf5','/data',size(trainData),'Datatype','double');
- h5create('train.hdf5','/label',size(trainLabels),'Datatype','double');
- h5write('train.hdf5','/data',trainData);
- h5write('train.hdf5','/label',trainLabels);
- % 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;
- >> h5disp('train.hdf5')
- HDF5 train.hdf5
- Group '/'
- Dataset 'data'
- Size: 256x1x1x200
- MaxSize: 256x1x1x200
- Datatype: H5T_IEEE_F64LE (double)
- ChunkSize: []
- Filters: none
- FillValue: 0.000000
- Dataset 'label'
- Size: 1x200
- MaxSize: 1x200
- Datatype: H5T_IEEE_F64LE (double)
- ChunkSize: []
- Filters: none
- FillValue: 0.000000
查看proto文件中的内容
- layer {
- name: "mnist"
- type: "HDF5Data"
- top: "data"
- top: "label"
- include {
- phase: TRAIN
- }
- hdf5_data_param {
- source: "mydata/train_list.txt"
- 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:
h5create('train.h5','/data',[1 1 512 1000],'Datatype','single');
h5create('train.h5','/label',[1 1 1 1000],'Datatype','single');
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));
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
}
}
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
...
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。