caffe HDF5Data 層使用及資料生成
分享一下我老師大神的人工智慧教程!零基礎,通俗易懂!http://blog.csdn.net/jiangjunshow
也歡迎大家轉載本篇文章。分享知識,造福人民,實現我們中華民族偉大復興!
參考文章:http://blog.csdn.NET/shuzfan/article/details/52503683
http://www.cnblogs.com/yinheyi/p/6083855.html
有些時候,我們的輸入不是標準的影象,而是其它一些格式,比如:頻譜圖、特徵向量等等,這種情況下LMDB、Leveldb以及ImageData layer等就不好使了,這時候我們就需要一個新的輸入介面——HDF5Data.
(1) 在Matlab中生成HDF5檔案
這裡直接以例子的形式說明如何生成:
1、手寫體的資料集
[html] view plain copy- %讀完後,labels為一個50000*1的陣列;
- labels = loadMNISTLabels('trainlabelsidx1ubyte');
- % reshape images to 4D:
- [rows,col,channel,numbers]
- trainData=reshape(images,[28 28 1 size(images,2)]);
- % permute to [cols,rows,channel,numbers]
- trainData=permute(trainData,[2 1 3 4]);
- % permute lables to [labels, number of labels ]
- trainLabels=permute(labels,[2,1]);
- % create database
- %注意,這是的/data與/label表示檔案裡的dataset.當我們定義.proto檔案的網路時,一定要注意:top:分別也要為data和label.
- h5create('train.hdf5','/data',size(trainData),'Datatype','double');
- h5create('train.hdf5','/label',size(trainLabels),'Datatype','double');
- h5write('train.hdf5','/data',trainData);
- h5write('train.hdf5','/label',trainLabels);
- % same for test data
哦; [html] view plain copy
- >> h5disp('train.hdf5')
- HDF5 train.hdf5
- Group '/'
- Dataset 'data'
- Size: 256x1x1x200
- MaxSize: 256x1x1x200
- Datatype: H5T_IEEE_F64LE (double)
- ChunkSize: []
- Filters: none
- FillValue: 0.000000
- Dataset 'label'
- Size: 1x200
- MaxSize: 1x200
- Datatype: H5T_IEEE_F64LE (double)
- ChunkSize: []
- Filters: none
- FillValue: 0.000000
- layer {
- name: "mnist"
- type: "HDF5Data"
- top: "data"
- top: "label"
- include {
- phase: TRAIN
- }
- hdf5_data_param {
- source: "mydata/train_list.txt"
- batch_size: 200
注意:
第一,再生成HDF5檔案時,一定要注意陣列的維度關係,很敏感的,如,把1*50000寫為了50000*1肯定會出錯
的。在caffe中,資料都是以4維出現的。(我記得Python與matlab裡的維度是正反的,python與C語言中都是
rowmajor, matlab中是 columnmajor,
相應的就是, matlab是一組維度中,左邊的數字變化最快,,而
python中為右邊。好像是這樣的)
第二,生成的HDF5的dataset的名稱一定要與你後面定義的.proto檔案裡的data層的top:後面的名稱(即輸出的
名稱)一樣啊,要不出錯,找不到資料的)。
第三,在定義.proto檔案裡的data層時注意,hdf5_data_param的source不要直接寫我們生成的HDF5檔案的路
徑,而是寫一個.txt檔案的,並在.txt檔案裡寫入你生成的HDF5檔案的路經,一個HDF5檔案路徑佔一行,一定要
這樣哦。原因是因為,我們可以要讀入多個HDF5檔案,所以要這樣寫哦。
第四,生成的HDF5檔案一般都很大,如果是圖片的話,可以很多的,HDF5Data layer不能按照batch來從磁碟上
讀取資料,只能一次性把所有資料從h5檔案中讀到記憶體中,如果出錯了,很可以你的記憶體不夠了哦;
第五,HDF5Data layer不支援預處理功能。
2 問題:輸入data是512*1的向量,共1000個樣本,label是標量。
程式碼如下:
% 建立HDF5檔案,包含data和label兩個變數,資料型別是caffe支援的float型資料h5create('train.h5','/data',[1 1 512 1000],'Datatype','single');h5create('train.h5','/label',[1 1 1 1000],'Datatype','single');%reshape: width x height x channels x num,注意MATLAB讀資料是列優先,是和C++裡面相反的。所以寫資料的時候也要倒著寫。train_data = reshape(train_data,[1 1 512 1000]);train_label = reshape(train_label,[1 1 1 1000]);h5write('train.h5' ,'/data' , single(train_data));h5write('train.h5' ,'/label', single(train_label));
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
關於HDF5在MATLAB裡面的的其它用法,比如從指定位置開始寫等等,請參照MATLAB文件。
(2) caffe中HDF5層的用法
注意:由於單個HDF5檔案大小有限制,MATLAB下好像最大隻能生成5G大小的檔案,因此當我們的訓練資料較多的時候,往往需要將資料分別寫入多個H5檔案中。
下面直接給出caffe中HDF5Data-layer的使用示例:
layer { name: "data" type: "HDF5Data" top: "data" top: "label" include { phase: TRAIN } hdf5_data_param { source: "train.txt" batch_size: 128 shuffle: true }}
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
由於可能存在多個H5檔案,所以HDF5Data的輸入是從一個TXT檔案讀取的列表,train.txt內容示例如下:
train1.h5train2.h5...
- 1
- 2
- 3
- 1
- 2
- 3
還需要注意,shuffle是對H5檔案進行亂序,而每個H5檔案內部的順序不動。