machine-learning - 将长一维矢量数据、一维矢量标签输入 Caffe

Question

这里是咖啡新手。
我正在尝试在我自己的数据集上复制 LeNet。我的训练数据是一维数据，可以表示为 1x3000 向量。对于每个 1x3000 向量，我有一个标签，它是 1x64 维二进制向量的另一个一维向量。我有10万个这样的(数据，标签)数据。我很困惑如何将其提供给 Caffe。所有示例均适用于尺寸为 NxN 的图像。

知道如何对这些数据进行单独处理并输入到 Caffe 中吗？

我正在考虑对向量进行零填充并将其设为 n(零填充)xN，但这似乎不是正确的方法。将 1x3000 向量切片为 1xn 并将它们堆叠起来形成 mxn 矩阵也可以是一个解决方案吗？以前有人这样做过吗？

如有任何建议，我们将不胜感激。

Answer 1

Caffe 可以轻松处理一维数据，无论是“数据”还是“标签”。
我认为将数据提供给 caffe 最直接的方法是使用 hdf5 格式文件。您可以将数据存储在带有 'data' 和 'label' 数据集的二进制 hdf5 数据文件中。然后，您可以使用 "HDF5Data" 层将数据提供给 caffe。