【深度学习】笔记5_caffe数据层参数的详解

/***********************************************************************************************文件说明:*       [深度学习笔记5]*              caffe数据层参数的详解*运行环境:*      UBUNTU14.04+caffe+python可视化接口*时间地点:*        陕西师范大学----2016.10.31*参考资料:*        http://caffe.berkeleyvision.org/gathered/examples/cifar10.html**********************************************************************************************/(一)caffe中的数据:输入输出    caffe中的数据流以Blobs(一种caffe基本的数据结构)进行传输.[数据层]将[输入]转换为Blob加载数据,将blob转换为[其他格式]输出保存.    均值消去(减均值操作),特征缩放(将范围为[0,255]的图像数据归一化为[0,1])等基本数据处理都在[数据层]进行配置.    新的数据格式需要定义新的[数据层]。(二)数据层的定义layer {                               name: "mnist"            //[1]数据层的名字为--mnist  type: "Data"             //[2]数据层加载levelDB或LMDB的数据库存储格式保证快速传输  top: "data"              //[3]数据层的输出blob有两个:data,label(对应生成的CNN图看)  top: "label"                        include {                //[4]include里面的数据说明,该层只在训练阶段有效    phase: TRAIN  }  transform_param {        //[5]数据预处理,转换参数的定义    scale: 0.00390625         //[1]特征归一化系数,将范围为[0,255]的MNIST数据归一化为[0,1]                              //[2]均值文件的路径    mean_file: "examples/myself/myself_mean.binaryproto"    mirror:1                  //[3]对images进行水平镜像处理或者随机裁剪处理,可作为:简单的数据增强处理                              //   #1=on,0=off    crop_size:227             //[4]裁剪会的大小为crop_size*crop_size  }  data_param {            //[6]数据层的参数    source: "examples/mnist/mnist_train_lmdb"                               //[1]数据库路径    batch_size: 64             //[2]批量数目,表示caffe一次从数据库LMDB读入的图片的数量    backend: LMDB              //[3]数据库的类型说明区别于LevelDB数据库  }}