DeepLearning(基于caffe)实战项目(2)--mnist(image转lmdb)
来源:互联网 发布:vb工控软件开发 编辑:程序博客网 时间:2024/06/05 23:48
(mnist原始数据下载地址:http://download.csdn.net/detail/sihailongwang/9849435)
现在我们得到了mnist的初始数据,包括60000张训练图片和10000张测试图片,以及他们相应的标签,若要进行训练,则必须进行数据的转换。(由于对lmdb格式理解还不到位,以及还未深究leNet的输入层,所以暂时先借助example中的convert_mnist_data.cpp),等到进一步搞懂后,再做更新修改。
第一步,使用matlab,将图片等信息转换为二进制文件
clear;clc;close all;for k = 1 : 60000 num_train=num2str(k); imagename_train=strcat(num_train,'.png'); imagepathname_train=strcat('E:\Python\Caffe\examples\mnist\mnist-原数据\train_data\',imagename_train); image_buffer_train=imread(imagepathname_train); images_data_train((k-1)*28*28+1:k*28*28) = reshape(image_buffer_train(1:28,1:28),1,28*28);endindex_data_train=csvread('train_label.csv');% fid1=fopen('mnist_bin(imageTobin)\train_images.bin','wb');% fid2=fopen('mnist_bin(imageTobin)\train_labels.bin','wb');fid1=fopen('mnist_bin(imageTobin)\train-images.idx3-ubyte','wb');fid2=fopen('mnist_bin(imageTobin)\train_labels.idx1-ubyte','wb');fwrite(fid1,images_data_train','uint8');fwrite(fid2,index_data_train,'uint8');for j = 1 : 10000 num_test=num2str(j); imagename_test=strcat(num_test,'.png'); imagepathname_test=strcat('E:\Python\Caffe\examples\mnist\mnist-原数据\train_data\',imagename_test); image_buffer_test=imread(imagepathname_test); images_data_test((j-1)*28*28+1:j*28*28) = reshape(image_buffer_test(1:28,1:28),1,28*28);endindex_data_test=csvread('test_label.csv');% fid3=fopen('mnist_bin(imageTobin)\test_images.bin','wb');% fid4=fopen('mnist_bin(imageTobin)\test_labels.bin','wb');fid3=fopen('mnist_bin(imageTobin)\test-images.idx3-ubyte','wb');fid4=fopen('mnist_bin(imageTobin)\test_labels.idx1-ubyte','wb');fwrite(fid3,images_data_test','uint8');fwrite(fid4,index_data_test,'uint8');
第二步,使用cmd命令行,将二进制文件转换为lmdb文件
>>convert_mnist_data.exe ../../../examples/mnist/mnist-binary/mnist_bin/train-images.idx3-ubyte ../../../examples/mnist/mnist-binary/mnist_bin/train-labels.idx1-ubyte ../../../examples/mnist/mnist-mdb/mnist_train_lmdb
>>convert_mnist_data.exe ../../../examples/mnist/mnist-binary/mnist_bin/test-images.idx3-ubyte ../../../examples/mnist/mnist-binary/mnist_bin/test-labels.idx1-ubyte ../../../examples/mnist/mnist-mdb/mnist_test_lmdb
特别注意:
1.这里大部分错误是路径不对,所以一定要捋顺了你的文件以及所要保存的文件的路径
2.一定要保证你的mnist_train_lmdb和mnist_test_lmdb这两个文件夹是不存在的,否则就会报错:
Check failed: _mkdir(source.c_str()) == 0 (-1 vs. 0) mkdir ../../../examples/mnist/mnist-mdb/mnist_test_lmdb failed*** Check failure stack trace: ***
阅读全文
0 0
- DeepLearning(基于caffe)实战项目(2)--mnist(image转lmdb)
- DeepLearning(基于caffe)实战项目(7)--从caffe结构里函数总结一览caffe
- DeepLearning(基于caffe)实战项目(3)--我们关心的caffe输出
- DeepLearning(基于caffe)实战项目(5)--Matlab画学习(Loss)曲线
- DeepLearning(基于caffe)实战项目(1)--mnist_convert函数分析
- DeepLearning(基于caffe)实战项目(4)--Matlab测试训练好的model
- DeepLearning(基于caffe)实战项目(6)--探索leNet模型的真谛
- DeepLearning(基于caffe)实战项目(9)--Python测试训练好的model
- DeepLearning(基于caffe)实战项目(10)--Python编写网络配置文件
- DeepLearning(基于caffe)实战项目(8)--修改caffe源代码从添加loss(层)函数开始
- Caffe代码导读(2):LMDB简介
- Caffe代码导读(2):LMDB简介
- Caffe代码导读(2):LMDB简介
- DeepLearning(基于caffe)优化策略(3)--调参篇
- caffe mnist实战训练(4)训练得出模型
- caffe mnist实战训练(5)用可视化图片解决问题
- caffe用python加载数据,包含各类数据类型(LMDB,image,HDF5等共五种全部格式))--caffe学习(3)
- DeepLearning(基于caffe)优化策略(2)--防拟合篇:Dropout
- 神经网络:3)不一样的角度<-反向传播算法
- 勒索病毒WannaCry深度技术分析——详解传播、感染和危害细节
- Netty实现客户端和服务端的通信
- js事件汇总
- bzoj 2152 聪聪可可
- DeepLearning(基于caffe)实战项目(2)--mnist(image转lmdb)
- 重建二叉树
- hibernate.cfg.xml文件配置标签详解
- CV资源整理
- 一.Java对象导论——Java编程思想第4版学习笔记
- 十大Web应用安全风险
- java 中的while 和 do while for循环
- Java思维导图(6)--集合类
- 文章标题