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
}
}
11-28
443
“相关推荐”对你有帮助么?
-
非常没帮助
-
没帮助
-
一般
-
有帮助
-
非常有帮助
提交