caffe学习笔记（1）：数据层定义

最新推荐文章于 2023-06-19 19:30:00 发布

guyunee

最新推荐文章于 2023-06-19 19:30:00 发布

阅读量1.8k

点赞数 1

分类专栏： deep learning 文章标签： caffe CNN 数据层

本文链接：https://blog.csdn.net/qq_30401249/article/details/51458942

版权

本文介绍了Caffe中的数据层，包括数据预处理、数据来源（如LevelDB、LMDB、内存、HDF5、图片）及其参数设置。数据层作为模型的入口，负责从各种来源获取并处理数据，例如通过设定Transformations进行归一化，通过source、batch_size等参数调整处理方式。

摘要由CSDN通过智能技术生成

要运行caffe，需要mode（train_val.prototxt）和solver（solver.prototxt）组成。
model由多个layer构成，每一layer有许多参数，所有的参数都定义在caffe.proto这个文件中。

层有很多种类型，比如Data，Convolution，Pooling，ReLU等，层之间的数据流动是以Blobs的方式进行，blob代表filter之后的参数。

数据层是每个模型的最底层，是模型的入口，提供数据从Blobs转换成别的格式进行保存输出。

首先，数据的预处理（如减去均值, 放大缩小, 裁剪和镜像等）。

数据来源可以来自高效的数据库（如LevelDB和LMDB），也可以直接来自于内存。如果不是很注重效率的话，数据也可来自磁盘的hdf5文件和图片格式文件。

所有的数据层的都具有的公用参数：

layer {
  name: "data" # 自定义
  type: "Data" # 数据类型，可选择
  # top或bottom: bottom用于输入数据，top用于输出数据。多个top或多个bottom，表示有多个blobs数
  # 据的输入和输出。
  top: "data" # # 训练数据
  top: "label" # 标签，即ground truth
  include {
    phase: TRAIN # 可选，TRAIN, TEST。该layer是属于训练阶段还是属于测试阶段，需要用include
                 # 来指定。如果没有include参数，则表示该层既在训练模型中，又在测试模型中。
  }
  transform_param {
    mean_file: "examples/cifar10/mean.binaryproto"
  }
  data_param {
    source: "examples/cifar10/cifar10_train_lmdb"
    batch_size: 100
    backend: L