caffe基础-01数据层的配置

最新推荐文章于 2024-09-03 17:35:19 发布

跬步千里OvO

最新推荐文章于 2024-09-03 17:35:19 发布

阅读量435

点赞数

文章标签： caffe 数据层

本文链接：https://blog.csdn.net/Terrenceyuu/article/details/76223640

版权

caffe 专栏收录该内容

14 篇文章 0 订阅

订阅专栏

caffe基础-01数据层的配置

layer {
  name: "cifar"
  type: "Data"  #代表是数据层，第一层
  top: "data"  #一般用bottom表示输入,top表示输出，多个top代表有多个输出
  top: "label"  #计算loss
  include {
    phase: TRAIN #仅用于TRAIN，训练网络分为训练阶段和自测试阶段,如果没写include则表示该层即在测试（TEST）中，又在训练中
  }
  transform_param {
    mean_file: "examples/cifar10/mean.binaryproto" #用一个配置文件来进行均值的操作（一般做减均值操作）
    transform_param {
    scale: 0.00390625 # 归一化 data~[0, 255] 1/256=0.00390625
    mirror: 1  # 1表示开启镜像，0表示关闭，也可用ture和false来表示，做了个数据增强
    # 剪裁一个 227*227的图块，在训练阶段随机剪裁，在测试阶段从中间裁剪，也做数据增强
    crop_size: 227
  }
  }
  data_param {
    source: "examples/cifar10/cifar10_train_lmdb" #数据库来源，有lmdb, hdm5两种常见格式
    batch_size: 64 #每次批处理的个数 一般为2的n次幂 
    backend: LMDB #选用数据的名称
  }
}

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

###2、使用HDF5数据源
layer {
  name: "data"
  type: "HDF5Data"
  top: "data"
  top: "label"
  hdf5_data_param {
    source: "examples/hdf5_classification/data/train.txt"
    batch_size: 10
  }
}

###3、数据直接来源与图片 file_list.txt:imgPath/xxx.jpg label
#/path/to/images/img3423.jpg 2  
#/path/to/images/img3424.jpg 13  
#/path/to/images/img3425.jpg 8

layer {
  name: "data"
  type: "ImageData" #类型
  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"
    batch_size: 50
    new_height: 256 #如果设置就对图片进行resize操作
    new_width: 256
  }
}