caffe基础-01数据层的配置

layer {  name: "cifar"  type: "Data"  #代表是数据层，第一层  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"  #计算loss  include {    phase: TRAIN #仅用于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（TEST）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（一般做减均值操作）    transform_param {    scale: 0.00390625 # 归一化 data~[0, 255] 1/256=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，做了个数据增强    # 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，也做数据增强    crop_size: 227  }  }  data_param {    source: "examples/cifar10/cifar10_train_lmdb" #数据库来源，有lmdb, hdm5两种常见格式    batch_size: 64 #每次批处理的个数 一般为2的n次幂     backend: LMDB #选用数据的名称  }}###1、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  }}###2、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  }}###3、数据直接来源与图片 file_list.txt:imgPath/xxx.jpg label#/path/to/images/img3423.jpg 2  #/path/to/images/img3424.jpg 13  #/path/to/images/img3425.jpg 8layer {  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  }}