本節在目前廣泛使用的深度學習開源框架Caffe的基礎上實現多工深度學習演算法所需的多維標籤輸入。預設的，Caffe中的Data層只支援單維標籤，為了支援多維標籤，首先修改Caffe中的convert_imageset.cpp以支援多標籤：

這樣我們就有了多工的深度學習的基礎部分資料輸入。為了向上相容Caffe框架，本文摒棄了部分開源實現增加Data層標籤維度選項並修改Data層程式碼的做法，直接使用兩個Data層將資料讀入，即分別讀入資料和多維標籤，接下來介紹對應的網路結構檔案prototxt的修改，注意紅色的註釋部分。

特別的，slice層對多維的標籤進行了切分，為每個任務輸出了單獨的標籤。

另外一個值得討論的是每個任務的權重設定，在本文實踐中五個任務設定為等權重loss_weight:0.2。一般的，建議所有任務的權重值相加為1，如果這個數值不設定，可能會導致網路收斂不穩定，這是因為多工學習中對不同任務的梯度進行累加，導致梯度過大，甚至可能引發引數溢位錯誤導致網路訓練失敗。