Caffe 中LMDB接口处理多标签(Multi-Label)数据
2016-02-23 22:57
519 查看
Caffe的数据接口主要有原始图像(ImageData), HDF5, LMDB/LevelDB。由于Caffe自带的图像转LMDB接口只支持但label,对于多label的任务,往往需要使用HDF5。
然而,Caffe对于HDF5的数据,需要预先读取整个h5文件,这对于小数据的情况不成问题,而且一次性读到内存里还节省训练中的IO开销。可是对于数据量大的情况,内存可能放不下整个h5文件,则需要划分成几个小的h5文件。可这样的实现一方面不优雅,另一方面训练中需要不停地轮流读取h5文件。一种可能的解决方案是把图像数据放到lmdb,label数据放到h5文件,prototxt里面label和data分别来自两个data layer。可是个人觉得这样的实现也不好看,毕竟代码里面要做HDF5和LMDB的存储。
最近从网上看到一种更直接的方法,大致是结合Python的LMDB库和Caffe的Python 接口 caffe.io.array_to_datum,把图像数据和label,分别存储到两个lmdb文件。而对于存储好的lmdb,又怎样写prototxt里面的datalayer来读取呢?目前caffe的datalayer, 指明了LMDB作为backend的话,默认第一个top就是存储lmdb时datum的data,第二个top就是datum的label,在下面的代码里没有指定datum的label,因此,对于data和label的lmdb,分别写一个datalayer, 每个datalayer的第一个top就是对应lmdb里的内容了。而top的blob的名字是可以自己定义的。
代码如下:
然而,Caffe对于HDF5的数据,需要预先读取整个h5文件,这对于小数据的情况不成问题,而且一次性读到内存里还节省训练中的IO开销。可是对于数据量大的情况,内存可能放不下整个h5文件,则需要划分成几个小的h5文件。可这样的实现一方面不优雅,另一方面训练中需要不停地轮流读取h5文件。一种可能的解决方案是把图像数据放到lmdb,label数据放到h5文件,prototxt里面label和data分别来自两个data layer。可是个人觉得这样的实现也不好看,毕竟代码里面要做HDF5和LMDB的存储。
最近从网上看到一种更直接的方法,大致是结合Python的LMDB库和Caffe的Python 接口 caffe.io.array_to_datum,把图像数据和label,分别存储到两个lmdb文件。而对于存储好的lmdb,又怎样写prototxt里面的datalayer来读取呢?目前caffe的datalayer, 指明了LMDB作为backend的话,默认第一个top就是存储lmdb时datum的data,第二个top就是datum的label,在下面的代码里没有指定datum的label,因此,对于data和label的lmdb,分别写一个datalayer, 每个datalayer的第一个top就是对应lmdb里的内容了。而top的blob的名字是可以自己定义的。
代码如下:
def write_lmdb(image_name_list,label_array,lmdb_img_name,lmdb_label_name,resize_image = False): for lmdb_name in [lmdb_img_name, lmdb_label_name]: db_path = os.path.abspath(lmdb_name) if os.path.exists(db_path): shutil.rmtree(db_path) counter_img = 0 counter_label = 0 batchsz = 100 fail_cnt = 0 print("Processing {:d} images and labels...".format(len(image_name_list))) for i in xrange(int(np.ceil(len(image_name_list)/float(batchsz)))): image_name_batch = image_name_list[batchsz*i:batchsz*(i+1)] label_batch = label_array[batchsz*i:batchsz*(i+1),:] print label_batch[np.newaxis,np.newaxis,0].dtype raw_input('r') imgs, labels = [], [] for idx,image_name in enumerate(image_name_batch): img = skimage.io.imread(image_name) if resize_image==True: img = skimage.transform.resize(img,(96,96)) imgs.append(img) db_imgs = lmdb.open(lmdb_img_name, map_size=1e12) with db_imgs.begin(write=True) as txn_img: for img in imgs: datum = caffe.io.array_to_datum(np.expand_dims(img, axis=0)) txn_img.put("{:0>10d}".format(counter_img), datum.SerializeToString()) counter_img += 1 print("Processed {:d} images".format(counter_img)) db_labels = lmdb.open(lmdb_label_name, map_size=1e12) with db_labels.begin(write=True) as txn_label: for idx in range(label_batch.shape[0]): datum = caffe.io.array_to_datum(label_batch[np.newaxis,np.newaxis,idx]) txn_label.put("{:0>10d}".format(counter_label), datum.SerializeToString()) counter_label += 1 print("Processed {:d} labels".format(counter_label)) print fail_cnt,'images fail reading' db_imgs.close() db_labels.close()
相关文章推荐
- HTML5新特性之WebRTC
- Javascript模块化编程的写法
- Javascript自学-7
- 19. Remove Nth Node From End of List
- javaScript学习笔记(二)
- javascript创建并提交表单
- [jQuery学习系列一]1-选择器与DOM对象
- javascript中的闭包
- HTML5-CSS3-JavaScript(3)
- javascript对象
- 链接中javascript: void(0)的使用介绍
- DataContractJsonSerializer和JavaScriptSerializer
- bootstrap 头部 使得ios 系统 input 固定
- JSP内置对象详解
- html/div+css/js/php/mysql学习笔记
- jQuery和增删改查方法的小总结
- 【Bootstrap基础学习】05 Bootstrap学习总结
- css属性选择器
- jQuery Mobile 入门
- 如何利用css让元素居中