【caffe C++】数据配置文件说明

name: "CIFAR10_quick"
layer {
  name: "cifar"		#名字
  type: "Data"		#说明是数据层
  top: "data"		#用bottom表示输入，用top表示输出
  top: "label"		#多个top表示多个输出
  include {
    phase: TRAIN #训练网络分为训练阶段(train)和自测试(test)阶段，如果没写include则表示该层既在测试中也在训练中
  }
  transform_param {
    mean_file: "examples/cifar10/mean.binaryproto"	#用一个配置文件来进行均值操作
			#一般情况下，都要对数据进行减去平均值(data-mean)的操作
			#channel_r=channel_r-mean_r
			#channel_g=channel_g-mean_g
			#channel_b=channel_b-mean_b
    transform_param{
    scale:0.00398625	#对图像进行归一化，把0-255之间的数压缩到0-1之间
			#1/255=0.00398625 所有的数字分别×scale即可完成归一化
    mirror:1 	#1表示开启镜像，0表示关闭，也可以用ture 或者flase表示
		#用于扩大训练集
    crop_size:227 #剪裁一个 227*227的图块，在训练阶段随机裁剪，在测试阶段从中间裁剪
		#也是用于扩大训练集
	}
  }
  data_param {
    source: "examples/cifar10/cifar10_train_lmdb"	#数据库来源
    batch_size: 128		#每次批处理的个数，一般选用2的n次幂，数字不宜太小，取决于GPU显存的大小
    backend: LMDB		#选用的数据类型
  }
}

### 使用LMDB源
layer{
 name:"mnist"
 type:"Data"
 top:"data"
 top:"label"
 include{
  phase:TRAIN
 }
 transform_param{
  scale:0.00390625
 }
 data_param{
  source:"example/mnist/mnist_train_lmdb"
  batch_size:64
  backend:LMDB
  }
 }


### 数据直接来源图片

file_list.txt示例
#/path/to/images/image21.jpg 2
#/path/to/images/image34.jpg 13
#/path/to/images/image53.jpg 8


layer{
 name:"data" #类型
 type:"ImageData" 
 top:"data"
 top:"label"
 transform_param{
  mirror:false
  crop_size:227
  mean_file:"data/ilsvrc12/imagenet_mean.binaryproto"
   }
 image_data_param{
  source:"/examples/_temp/file_list.txt"  #包括图像的路径 label
  batch_size:50
  new_height:256 #如果设置就对图片进行resize操作
  new_width:256 #如果设置就对图片进行resize操作
  }
}