C++ Caffe&x2B；不带lmdb的Opencv

当使用caffe时，要创建包含图像的训练数据集，我们需要以特殊格式（如lmdb）创建数据库，但可以选择将一批图像传递给caffe，例如

vector

---

为了澄清这一点，我正在寻找能够处理大量无法放入内存的图像的解决方案（但假设一个训练批（包含例如50个图像）可以存储在内存中）。

Caffe可以接受多种类型的输入，这取决于我们使用的输入层。 一些可用的输入方法包括：

资料

记忆数据

HDF5数据

图像数据等

在模型文件中，您找到的第一个层是

层类型：Data

，它使用

lmdb或leveldb

作为输入方法。将一组图像转换到这些数据库非常容易，因为Caffe已经提供了转换图像的工具

层类型：MemoryData

直接从内存读取数据，这在测试阶段将摄像头输入作为Caffe输入传递时非常有用。强烈建议不要使用此层进行培训

图层类型：ImageData

将文本文件作为输入。文本文件包含所有图像名称及其完整路径和类号。Caffe使用OpenCV读取该层中的图像。它还负责图像的所有变换。因此，建议使用ImageData，而不是使用OpenCV读取图像然后传递到MemoryData层

ImageData层从中读取图像的.txt格式必须为：

/path/to/the/image/imageName.jpg classNumber

强烈建议使用LMDB或LevelDB，因为如果图像路径或名称包含空格，或者当任何图像损坏时，ImageData都不需要正常工作

可以找到各层的详细信息

---

内存根据型号和批量大小在GPU中分配。如果发生内存溢出，可以尝试减小批处理大小。Caffe轻松处理了120万张图像的Imagenet数据库培训。因此，如果批量大小最佳，算法应该可以正常工作。

为什么不建议在培训中使用MemoryData？此外，从lmdb和ImageData读取数据的速度是否有任何差异？不建议初学者使用MemoryData，因为如果训练没有按预期进行，可能会造成困难。此外，MemoryData层也不推荐对图像进行转换，这意味着在将来使用MemoryData的版本中，在将数据传递到MemoryData层之前，将在外部执行平均图像减法、裁剪、调整大小等操作。