## 1. LMDB简介
LMDB的全称是Lighting Memory-Mapped Database(闪电般的内存映射数据库)。它的结构很简单,一个文件夹,里面一个数据文件,一个锁文件。数据随意复制,随意传输。它的访问简单,不需要单独的数据管理进程。只要在访问代码里引用LMDB库,访问时给文件路径即可。
Caffe中使用的数据结构很简单,就是大量的矩阵和向量。数据之间没有关联,数据内没有复杂的对象结构,就是矩阵和向量。既然数据不复杂,Caffe就选择了LMDB这个简单的数据库来存放数据。
Caffe使用LMDB数据库,有以下两点原因:
- 数据源的格式多样性,有文本文件、二进制文件、图像文件等等,不可能用一个代码完成上述所有的数据格式。因此,要通过LMDB数据库,转化成统一的数据格式可以简化数据读取层的实现。
- 使用LMDB数据库可以大大节约磁盘IO的时间开销。因此,我们都有体会,一个具有几万个、几十万个文件的数据集,不管是直接复制,还是打开再解包,过程都巨慢无比。LMDB只有一个文件,你的介质有多快,就能复制多快,不会因为文件多而慢的令人心碎。
## 2. 环境配置
首先我们需要python包lmdb和caffe的python接口pycaffe。LMDB提供键值对的存储方式,其中每一个键值对就是我们数据集的一个样本。一般而言,键代表ID字符串,值代表序列化后的Caffe框架的Datum类(使用protobuf编译)。
## 3. Caffe中的Datum数据结构
Caffe中并不是把向量和矩阵直接放进数据库,而是将数据通过`caffe.p