Caffe 初学拾遗(十) Layer Catalogue (Data Layer)

{承接CNN学习入门，笔者在这里对Caffe官方网站上的相关介绍进行了翻译总结，欢迎大家交流指正}

本文基于此刻最新的release，Caffe-rc3：

4. Data Layer:

Data通过data layer进入Caffe框架，他们位于net的最底层。Data可以来源于高效的数据库(LevelDB or LMDB)，直接来自内存，或者，当效率不是那么重要时，来自磁盘的HDF5文件或者常见图片格式。

常见的输入预处理（减去均值，缩放，随机crop，或者镜像）可以通过指定TransformationParameters来实现。

Database:

1.网络类型：Data

2.参数：

2.1 Required

2.1.1 source: 包含database的目录。

2.1.2 batch_size：一次处理的input数目。

2.2 Optional

2.2.1 rand_skip：在开始时跳过rand_skip数目的input，对异步SGD较为有效。

2.2.2 backend [default LEVELDB]：选择是使用LEVELDB还是LMDB。

In-Memory:

1.网络类型：MemoryData

2.参数：

2.1 Required

2.1.1 batch_size,channels,height,width: 指定自内存中读取的input块的尺寸。

Memory data Layer将从内存中直接读取数据，而不是拷贝。为了使用它，必须调用MemoryDataLayer::Reset(from C++) or Net.set_input_arrays(from Python)来指定连续存储的数据源（例如4维的行优先存储序列），一次读取一个batch-size的块数据。

HDF5 Input:

1.网络类型：HDF5Data

2.参数：

2.1 Required

2.1.1 source: 需要读取的文件名。

2.1.2 batch_size

HDF5 Output:

1.网络类型：HDF5Output

2.参数：

2.1 Required

2.1.1 file_name: 需要写入的文件名。

该层执行与该段落中介绍的其他层相反的功能：将数据从input blobs写回到磁盘上。

Images:

1.网络类型：ImageData

2.参数：

2.1 Required

2.1.1 source: 文本文件名，里面逐行给出了图像的名字和它对应的label。

2.1.2 batch_size：一个batch的图像数目。

2.2 Optional

2.2.1 rand_skip

2.2.2 shuffle [default false]

2.2.2 new_height new_width ：如果有该参数 将所有图片resize到该大小。