jlu-ipvr 聽笙
要執行caffe，需要先建立乙個模型（model)，如比較常用的lenet,alex等， 而乙個模型由多個層（layer）構成，每一層又由許多引數組成。所有的引數都定義在caffe.prototxt這個檔案中。要熟練使用caffe，最重要的就是學會配置檔案（prototxt）的編寫。
層有很多種型別，比如data,convolution,pooling等，層之間的資料流動是以blobs的方式進行。
今天我們就先介紹一下資料層.
資料層是每個模型的最底層，是模型的入口，不僅提供資料的輸入，也提供資料從blobs轉換成別的格式進行儲存輸出。通常資料的預處理（如減去均值, 放大縮小, 裁剪和映象等），也在這一層設定引數實現。
所有的資料層的都具有的公用引數：先看示例
layer
1. 資料來自資料庫（levedb和lmdb）
層型別（layertype）:data
必須設定的引數：
source: 包含資料庫的目錄名稱，如examples/mnist/mnist_train_lmdb
batch_size: 每次處理的資料個數，如64可選的引數：
rand_skip: 在開始的時候，路過某個資料的輸入。通常對非同步的sgd很有用。
backend: 選擇是採用leveldb還是lmdb, 預設是leveldb.示例：
layer
transform_param
data_param
}2、資料來自於記憶體
層型別：memorydata
必須設定的引數：
batch_size：每一次處理的資料個數，比如2
channels：通道數
height：高度
width: 寬度
示例：layer
transform_param
}3、資料來自於hdf5
層型別：hdf5data
必須設定的引數：
source: 讀取的檔名稱
batch_size:每一次處理的資料個數
示例：layer
}4、資料來自於
層型別：imagedata
必須設定的引數：
batch_size: 每一次處理的資料個數，即數
可選引數：
rand_skip: 在開始的時候，路過某個資料的輸入。通常對非同步的sgd很有用。
shuffle: 隨機打亂順序，預設值為false
new_height,new_width: 如果設定，則將進行resize
示例：layer
image_data_param
}5、資料**於windows
層型別：windowdata
必須設定的引數：
source: 乙個文字檔案的名字
batch_size: 每一次處理的資料個數，即數
示例：layer
transform_param
window_data_param
}
資料層及引數
要執行caffe，需要先建立乙個模型 model 如比較常用的lenet,alex等，而乙個模型由多個屋 layer 構成，每一屋又由許多引數組成。所有的引數都定義在caffe.proto這個檔案中。要熟練使用caffe，最重要的就是學會配置檔案 prototxt 的編寫。層有很多種型別，比如dat...
Caffe資料層及引數
一.資料層及引數 要執行caffe，需要先建立乙個模型 model 如比較常用的lenet,alex等，而乙個模型由多個屋 layer 構成，每一屋又由許多引數組成。所有的引數都定義在caffe.proto這個檔案中。要熟練使用caffe，最重要的就是學會配置檔案 prototxt 的編寫。層有很多...
caffe的資料層及引數
要執行caffe，需要先建立乙個模型 model 如比較常用的lenet,alex等，而乙個模型由多個屋 layer 構成，每一屋又由許多引數組成。所有的引數都定義在caffe.proto這個檔案中。要熟練使用caffe，最重要的就是學會配置檔案 prototxt 的編寫。層有很多種型別，比如dat...