把所要進行迴歸的Caffe影象放在/home/pcb/caffe/examples/Caffe_DataMaker_hdh5資料夾的image資料夾中，然後有一個hdf5.txt,文件中的第一列為影象的名稱，後面的是影象5個特徵的位置（這裡的5個特徵只是舉個栗子，或許有別的吧，只是這個txt怎麼生成還不知道，如果影象多的話肯定要寫程式的，後面會繼續更新的！），具體如下圖所示：

然後生成hdf5的python的程式如下所示：

# -*- coding: utf-8 -*-
'''
hdf5資料來源
'''
import math
import
 
 numpy as np
import random
import re
import os
import h5py
import cv2

#圖片路徑
root_path = '/home/pcb/caffe/examples/Caffe_DataMaker_hdh5/image'
with open('/home/pcb/caffe/examples/Caffe_DataMaker_hdh5/hdf5.txt','r') as f:
    lins = f.readlines()


num = len(lins)                              #資料長度

random.shuffle(lins)                         #把資料洗牌
 

imgAccu = 0
#圖片輸入
# #製作Data,造一個224*224*3*圖片個數的矩陣
imgs = np.zeros([num , 3 , 224 ,224])
# 製作label,造一個10(每個影象的標籤數)×圖片個數的矩陣
labels = np.zeros([num , 10])
for i in range(num):
    line = lins[i]
    #使用正則表示式把串給分割開來，取第一個圖片的名字  \s就是一個回車或者空格
    segment = re.split('\s+',line)
    #找到圖片
    image = cv2.imread(os.path.join(root_path , segment[0
 
]))
    #把圖片進行縮小  把圖片縮小到224  輸入的大小就是224x224的
    image = cv2.resize(image , (224,224))
    #普通圖片輸入是h w c 而caffe要求是c h w，所以要轉回來
    image = image.transpose(2 , 0 , 1)
    #轉型別,float32
    #把資料都存在imge裡面
    imgs[i , : , : , :] = image.astype(np.float32)
    #因為圖片縮小了，所以要吧label也要縮小
    for j in range(10):
        labels[i , j] = float(segment[j + 1])*224/256


#每個hdf5檔案裡存放的個數,一般每個.h5裡面放8000個
#這裡就3個，每個.h5裡面放一個
batchSize = 1
#取多少次
batchNum = int(math.ceil(1.0 * num/batchSize))

#減去均值操作,目的是以0為中心化
#在初始階段減去均值後，最後預測的時候要加上
imgsMean = np.mean(imgs , axis = 0)
labelsMean = np.mean(labels , axis = 0)
labels = (labels - labelsMean)/10

#移除之前存在的檔案
if os.path.exists('trainlist.txt'):
    os.remove('trainlist.txt')
if os.path.exists('testlist.txt'):
    os.remove('testlist.txt')

comp_kwargs = {'compression': 'gzip', 'compression_opts': 1}
for i in range(batchNum):
    start = i * batchSize
    end = min((i+1)*batchSize , num)
    #前面的幾個bacthsize做為一個訓練資料
    if i < batchNum - 1:
        fileName = '/home/pcb/caffe/examples/Caffe_DataMaker_hdh5/h5/train{0}.h5'.format(i)
    #後面的一個作為測試集
    else:
        fileName = '/home/pcb/caffe/examples/Caffe_DataMaker_hdh5/h5/test{0}.h5'.format(i - batchNum + 1)

    #往h5檔案裡面新增進資料
    with h5py.File(fileName , 'w') as f:
        f.create_dataset('data' , data=np.array((imgs[start : end] - imgsMean)/255.0).astype(np.float32) , **comp_kwargs)
        f.create_dataset('label' , data=np.array(labels[start : end]).astype(np.float32) , **comp_kwargs)
        pass

    if i < batchNum - 1:
        with open('/home/pcb/caffe/examples/Caffe_DataMaker_hdh5/h5/trainlist.txt' , 'a') as f:
            f.write(("/home/pcb/caffe/examples/Caffe_DataMaker_hdh5/h5/train{0}.h5").format(i) + '\n')
    else:
        with open('/home/pcb/caffe/examples/Caffe_DataMaker_hdh5/h5/testlist.txt' , 'a') as f:
            f.write(("/home/pcb/caffe/examples/Caffe_DataMaker_hdh5/h5/test{0}.h5").format(i - batchNum + 1) + '\n')
  

   
1
   
2
   
3
   
4
   
5
   
6
   
7
   
8
   
9
   
10
   
11
   
12
   
13
   
14
   
15
   
16
   
17
   
18
   
19
   
20
   
21
   
22
   
23
   
24
   
25
   
26
   
27
   
28
   
29
   
30
   
31
   
32
   
33
   
34
   
35
   
36
   
37
   
38
   
39
   
40
   
41
   
42
   
43
   
44
   
45
   
46
   
47
   
48
   
49
   
50
   
51
   
52
   
53
   
54
   
55
   
56
   
57
   
58
   
59
   
60
   
61
   
62
   
63
   
64
   
65
   
66
   
67
   
68
   
69
   
70
   
71
   
72
   
73
   
74
   
75
   
76
   
77
   
78
   
79
   
80
   
81
   
82
   
83
   
84
   
85
   
86
   
87
  

這樣就會在Caffe_DataMaker_hdh5資料夾下h5生成以下幾個檔案：

trainlist.txt裡面為train0.h5和train1.h5的路徑,如下圖所示：

testlist.txt裡面為test0.h的路徑,如下圖所示：

然後把所要使用的hdf5資料層的source路徑設為trainlist所在的路徑即可。

把所要進行迴歸的Caffe影象放在/home/pcb/caffe/examples/Caffe_DataMaker_hdh5資料夾的image資料夾中，然後有一個hdf5.txt,文件中的第一列為影象的名稱，後面的是影象5個特徵的位置（這裡的5個特徵只是舉個栗子，或許有別的吧，只是這個txt怎麼生成還不知道，如果影象多的話肯定要寫程式的，後面會繼續更新的！），具體如下圖所示：

然後生成hdf5的python的程式如下所示：