caffe data层_caffe 配置文件数据层详解

layer {

name: "cifar"

type: "Data"

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"

include {

phase: 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

transform_param {

scale: 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

# 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

crop_size: 227

}

}

data_param {

source: "examples/cifar10/cifar10_train_lmdb" #数据库来源

batch_size: 64 #每次批处理的个数

backend: LMDB #选用数据的名称

}

}

### 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

}

}

###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

}

}

###数据直接来源与图片

#/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

}

}