Caffe学习:Data
2015-08-10 15:36
295 查看
Data: Ins and Outs
Caffe中使用Blob存储、传递、处理数据。Data layers读写任意格式的数据都是以Blob作为媒介的。对于输入数据的一些基本预操作,如mean-subtraction(减去均值)、feature-scaling(特征归一化)都是在data layer中进行的。允许自定义新的data layer以提供新的输入形式(input types)。
下面这个data layer的定义,读取MNIST数据:
Tops and Bottoms:一个data layer从top blobs输出数据,但是没有bottom blobs因为data layer没有输入。
Data and Label:一个data layer至少要有一个输出,可以称之为data。当然也可以有第二个输出,称为label。这样命名只是习惯而已,对于分类模型也更为方便。
Transformations:在data layer的定义中,数据预处理通过transform_param参数来定义。
Prefetching:后台预读取、预处理
Multiple Inputs:Net可以有任意多、任意类型的输入,可以定义任意多的data layer,但是要有唯一的name和top。多输入是useful的,例如可以一个data layer读取data ,另一个data
layer读取label。这样的话,data和label可以是任意的4D数组。其他的多输入应用可以是multi-modal(多态模式)、sequence
models(序列模式)。这样的话,就需要自己实现数据预处理或者构造一个自定义data layer。
Formats
在 layer catalogue中可以查看data layer的具体细节。
Deployment Input
对于“动态计算部署”(on-the-fly computation deployment),Net定义了input属性(input fields),用于直接在线赋值,或者交互计算。
Caffe中使用Blob存储、传递、处理数据。Data layers读写任意格式的数据都是以Blob作为媒介的。对于输入数据的一些基本预操作,如mean-subtraction(减去均值)、feature-scaling(特征归一化)都是在data layer中进行的。允许自定义新的data layer以提供新的输入形式(input types)。
下面这个data layer的定义,读取MNIST数据:
layer { name: "mnist" type: "Data" # 第一个输出是数据本身 top: "data" # 第二个输出是标签 top: "label" # Data layer具体配置 data_param { # 数据库路径 source: "examples/mnist/mnist_train_lmdb" # 数据库类型:LEVELDB或LMDB (LMDB支持并行读取) backend: LMDB # 批量读取,提高效率 batch_size: 64 } # 数据预处理 transform_param { # 特征归一化系数,将范围为[0, 255]的MNIST数据归一化为[0, 1] scale: 0.00390625 } }
Tops and Bottoms:一个data layer从top blobs输出数据,但是没有bottom blobs因为data layer没有输入。
Data and Label:一个data layer至少要有一个输出,可以称之为data。当然也可以有第二个输出,称为label。这样命名只是习惯而已,对于分类模型也更为方便。
Transformations:在data layer的定义中,数据预处理通过transform_param参数来定义。
layer { name: "data" type: "Data" [...] transform_param { scale: 0.1 mean_file_size: mean.binaryproto # 用于对images进行水平镜像处理或者随机裁剪处理 mirror: 1 # 1 = on, 0 = off # 裁剪大小为`crop_size` x `crop_size` # - 训练时为随机裁剪 # 测试时从中央开始裁剪 crop_size: 227 } }
Prefetching:后台预读取、预处理
Multiple Inputs:Net可以有任意多、任意类型的输入,可以定义任意多的data layer,但是要有唯一的name和top。多输入是useful的,例如可以一个data layer读取data ,另一个data
layer读取label。这样的话,data和label可以是任意的4D数组。其他的多输入应用可以是multi-modal(多态模式)、sequence
models(序列模式)。这样的话,就需要自己实现数据预处理或者构造一个自定义data layer。
Formats
在 layer catalogue中可以查看data layer的具体细节。
Deployment Input
对于“动态计算部署”(on-the-fly computation deployment),Net定义了input属性(input fields),用于直接在线赋值,或者交互计算。
相关文章推荐
- HTML与CSS 编码规范
- 02_05 JSP内置对象之response
- ListView 关于Adapter 本地文件中解析json数据完整例子
- ecshop二次开发: Only variables should be passed by reference in的解决
- jquery库与prototype库冲突的解决方法
- Scala中List的ListBuffer是实现高效的遍历计算
- CSS3实现简单的幻灯片
- Jsoup库 解析DOM文档
- 安卓开发懒鬼最爱之ButterKnife,依赖注入第三方是库,进一步加速开发速度
- 安卓开发懒鬼最爱之ButterKnife,依赖注入第三方是库,进一步加速开发速度
- dojo tree edit的使用[前端]
- HTML提示标签
- CSS盒模型
- 关于js的parseInt方式在不同浏览器下的表现
- SharedPreferences
- CSS 魔法系列:纯 CSS 绘制三角形(各种角度)
- JavaScript实现页面无刷新让时间走动
- css sprite/css精灵
- CSS3 ::selection选择器
- jQuery的DOM操作之捕获和设置