caffe lstm训练mnist手写数字

我们可以把深度学习能做的事情分为两类：时间无关的事情和时间相关的事情。时间无关的话，比如人脸识别，给神经网络一张照片，神经网络就能告诉你这是谁，这是和时间无关的。时间相关的话，比如，我要知道一段视频里的人是在吃饭还是在打哈欠，这个可能通过一张照片是无法判别的，但是通过多张连续的图片，构成一段视频，我们就可以判别这个人是在打哈欠还是在吃饭了。
可是，手写数字明明是一张张无时间关系的静态图片啊？我们怎么用它来训练处理序列数据的lstm这种递归神经网络呢？其实，我们可以这样想：我们把一张手写数字的图片（28*28），看做是28个有序列的数据，每一个数据大小为28个字节，因为这28行我们可以理解为是随着时间的推移，一行一行写出来的。这样，我们就可以用lstm来训练手写数字了。

在 caffe 上配置 LSTM 时，数据的维度比较复杂。比如在 CNN 处理图片时，caffe 的数据维度一般是 NCHW，N 是 batch size，C 是 channel，W 是 width，H 是 height；但是 LSTM 的数据维度是 TN*…，T 是 sequence length，N 是 batch size，但是本人以为这里的N是同时处理的数据流的个数，我们做Mnist手写数字识别的时候，只有一个流，因此这里N为1。T则是序列的长度，毫无疑问，我们这里的序列长度就是28呀。

lstm需要输入两个Blob，一个为（T,N,V）的待处理的数据，另一个为(T,N,1)的标识连续帧的数据。比如我们的例子中，28个长度为28的数据构成一个序列，标识连续帧的cont应该为（0,1,1…共有27个1），而且只需要一行就可以了，因为所有的序列都是一样的，只需要为一个序列做标识就可以了。

cont我们以hdf5的格式给出，对hdf5不了解的先了解下hdf5吧，总之还是蛮简单的，我们只需要生成一行（0,1,1…共有27个1）这样的数据就可以了。
代码如下：

#include "hdf5.h"
#include <stdio.h>
#include <stdlib.h>

#define FILE            "h5ex_d_rdwr.h5"
#define DATASET         "cont"
#define DIM0            1
#define DIM1            28

int main(void)
{
	hid_t       file, space, dset;          /* Handles */
	herr_t      status;
	hsize_t     dims[2] = { DIM0, DIM1 };
	int         wdata[DIM0][DIM1],