3.2 Caffe的I/O模块

3.2.1 如何对Layer做参数配置（Data Layer参数配置为例）

1）layer {

name: "cifar"

type: "Data"

top: "data"

top: "label"

include {

phase: TRAIN

}

transform_param {

scale: 0.00390625

}

data_param {

source: "cifar10_train_lmdb"

batch_size: 100

backend: LMDB

}

}

//详细见上面代码解析

1. 所有数据预处理都在这里设置：

transform_param

{

scale: 0.00390625

mean_file_size: “examples/cifar10/mean.binaryproto" #用一个配置文件来进行均值操作

mirror: 1 # 1表示开启镜像，0表示关闭，也可用ture和false来表示

crop_size: 227 # 剪裁一个 227*227的图块，在训练阶段随机剪裁，在测试阶段从中间裁剪

}

注：通常数据的预处理（如减去均值, 放大缩小, 裁剪和镜像等），Caffe使用OpenCV做处理。

3.2.2 将图片数据转化为LMDB数据

1）方法一：并未实践成功，但列举过程，可以了解转化为LMDB数据细节问题。

创建图片文件列表清单，一般为一个txt文件，一行一张图片。

#先准备两个文件夹：train 和test

#

#新建一个文档，命名为label_name.txt

#编辑类别标签

$ ls train/adress | sed "s:^:adress/:" | sed "s:$: 1:">>t_train.txt

// 列举路径train/adress 下的所有图片，在每个图片前面加上类别名：adress,后面加上类别标签1

#生成train列表清单

#同理运行类别road

$ls train/road | sed "s:^:road/:" | sed "s:$: 0:">>t_train.txt

#train列表清单中继续添加road类别图片

#同理

$ls test/adress | sed "s:^:adress/:" | sed "s:$: 1:">>t_test.txt

$ ls test/road | sed "s:^:road/:" | sed "s:$: 0:">>t_test.txt

#生成测试集列表清单

使用Caffe工具命令，转化成lmdb数据库

#到train和test文件夹目录下：

$convert_imageset --resize_width=40 --resize_height=40 /home/wtj/数据转换格式/train/ ./t_train.txt ./t_train.lmdb

#我这边显示未找到convert_imageset 命令，度娘也没人和我出现同样问题，于是换下面另一种数据转换实现方法。

1. 方法二：

以caffe程序中自带的图片为例，进行讲解，图片目录是  example/images/, 两张图片，一张为cat.jpg, 另一张为fish_bike.jpg，表示两个类别。

我们创建一个sh脚本文件，调用linux命令来生成图片清单：

$cd caffe

$sudo vi examples/images/create_filelist.sh

#编辑这个文件，输入下面代码保存

这步先不运行，在最后运行生成的train.txt列表如下

当然，图片很少的时候，手动编写这个列表清单文件就行了。如方法一，生成的这个train.txt文件，就可以作为第三个参数，直接使用了。

#调用命令生成最终的lmdb格式数据

#由于参数比较多，因此编写一个sh 脚本来执行命令

#caffe目录下，创建sh脚本文件：

$ sudo vi examples/images/create_lmdb.sh

#编辑

#最后运行脚本

$sudo sh examples/images/create_lmdb.sh