c++ - caffe的输入格式是什么？

Question

我尝试使用 caffe 进行音频识别，但找不到其输入格式的文档。

我想使用leveldb，因此我必须为每条记录创建一个键和一个值，这是一对标签字符串和数据字节数组。

好像没有文档描述这个，后来发现这个值是用Datum.SerializeToString()写的，找不到Datum在哪里，然后迷路了。

有谁知道如何将非图像记录转换为 caffe 的 leveldb 记录？谢谢!

Answer 1

leveldb、lmdb 和 HDF5 是目前向 Caffe 提供数据的主要格式。 MemoryData 层也支持内存输入，因此可以使用任何输入格式并使用 Caffe 的 python 或 c++ 接口(interface)来填充数据 block 。

如果您已经开始使用 leveldb，那么关于 caffe 问题的 this 讨论可能会有用。

下面是一个使用 python 填充 leveldb 的示例。它需要 pycaffe 和 plyvel。它改编自 caffe's github issues 发布的 Zackory 。它并不特定于图像，只要您以 CxHxW 的形式表示每个示例，其中任何一个或所有都可以等于 1:

import caffe

db = plyvel.DB('train_leveldb/', create_if_missing=True, error_if_exists=True, write_buffer_size=268435456)
wb = db.write_batch()
count = 0
for file in dataset:
    mat = # load numpy array from file

    # Load matrix into datum object
    datum = caffe.io.array_to_datum(mat)

    wb.put('%08d_%s' % (count, file), datum.SerializeToString())

    count += 1

    # Write to db in regular intervals
    if count % 1000 == 0:
        # Write batch of images to database
        wb.write()
        del wb
        wb = db.write_batch()

    # Write last batch of images
    if count % 1000 != 0:
        wb.write()

我发现构建 lmdb 简单多了。 lmdb 示例 here 。