C++ Caffe C++；在输入层中设置数据

在我的一个项目中，我对Caffe感兴趣，更一般的是对深度学习感兴趣。几个小时后，我设法在我的电脑上安装了Caffe。我现在正试图让我们了解它

因此，我已经加载了网络，如下所示：

std::string model_file = "/home/CXX/Desktop/caffemodel/deploy.prototxt";
std::string trained_file = "/home/CXX/Desktop/caffemodel/modelWeights.caffemodel";

Caffe::set_mode(Caffe::CPU);
boost::shared_ptr<Net<float>> net_;
net_.reset(new Net<float>(model_file, TEST));
net_->CopyTrainedLayersFrom(trained_file);

输入为单个250*250深度（0和1之间的标准化值）“图像”。预处理已经完成，我的数据存储在一个矩阵中（personnal库，指向std:：vector元素的指针），因此您可以像二维数组一样访问它（data[i][j]）

网络的输出按以下顺序组织：[NbBlob][NbClass][outHeight][outWidth]，在我的例子中给出[1][46][250][250]

我已经编写了检索输出的代码：

Blob<float>* output_layer = net_->output_blobs()[0];
const float* begin = output_layer->cpu_data();
for (int k = 0; k < 46; k++)
    for (int h = 0; h < 250; h++)
        for (int w = 0; w < 250; w++){
            currentprob =  *(begin + ((k * 250 + h) * 250 + w));

Blob*output\u layer=net\u->output\u Blob（）[0]；
常量浮点*开始=输出层->cpu_数据（）；
对于（int k=0；k<46；k++）
对于（int h=0；h<250；h++）
对于（int w=0；w<250；w++）{
currentprob=*（begin+（（k*250+h）*250+w））；

该代码已通过对像素方向的46个类预切面求和进行检查，对于单个像素，结果显然为1

我的问题是我不知道如何在网络中输入数据。我首先通过以下方法检索输入层：

Blob<float>* input_layer = net_->input_blobs()[0];

Blob*input\u layer=net\u->input\u Blob（）[0]；

从调试器中，我知道输入层有一个名为capacity的属性，该属性具有预期值（62500，为250*250）

所以我的问题是：如何将数据输入到输入层？我已经花了相当长的时间独自寻找，但我不知道再去哪里寻找

请注意，我没有使用OpenCV，而且我几乎没有任何深度学习的背景（学士学生）

感谢您花时间帮助我。欢迎您提供任何帮助（文档、伪代码、代码、解释）

PS：使用名称空间caffe

---

编辑：添加更多输入层信息。输入错误。

我会尝试直接将数据推送到网络：

Blob<float>* input_layer = net_->input_blobs()[0];
float* input_data = input_layer->mutable_cpu_data();  // get pointer to Blob's data storage
for ( int i=0; i < 250; i++ ) {
    for ( int j=0; j < 250; j++ ) {
        input_data[i*250 + j] = data[i][j];  // I hope I did not filp anything here...
    }
}
net_->forward();  // do forward pass

Blob*input\u layer=net\u->input\u Blob（）[0]；
float*input_data=input_layer->mutable_cpu_data（）；//获取指向Blob数据存储的指针
对于（int i=0；i<250；i++）{
对于（int j=0；j<250；j++）{
输入_data[i*250+j]=data[i][j]；//我希望我没有在这里输入任何内容。。。
}
}
net->forward（）；//进行正向传递

---

根据

数据的排列方式，您可能可以用更优雅的
memcpy
替换嵌套循环。
这里有一个问答。@Scheff感谢您的回答。我以前看到过这个问题，并认为它与我的情况不太接近（我不是从通常的图像格式加载，而是从二进制文件加载）但是我查看了一下，发现MemoryDataLayer是我从可用的输入层中需要的输入层。我更新了CNN输入部分，因为我想我意识到了一些事情（这正是我prototxt的第一行）.所有者留下了第一行常规，以便为他的案例定义最合适的输入层，对吗？此外，我无法访问caffe:：MemoryDataLayer，只有caffe:：MemoryDataParameterI在Google上搜索了一下并绊倒了。此外，还有一个。我再次看到了这篇文章，但不久前，在安装过程中。我将好的，深入了解一下，也许对我来说，更好地理解我应该做什么就足够了。非常感谢您抽出时间。我也成功地使用了
caffe:：MemoryDataLayer
，非常感谢。我第一次尝试了这种方法，但
Blob*input\u layer=net\->input\u blobs（）[0]
程序崩溃了，我不知道为什么。我目前正在按照上面的建议制作
caffe:：MemoryDataLayer
。非常感谢您的建议，它看起来完全适合我的数据（内存中的相邻数据）.好的，我明白了，我必须修改prototxt模型，以便在最顶层有一个合适的输入层。你的方法现在可以工作了。坦克太多了。@AntoineMerlet很高兴我能这么做help@AtenaNguyen需要另一个嵌套循环吗
Blob<float>* input_layer = net_->input_blobs()[0];
float* input_data = input_layer->mutable_cpu_data();  // get pointer to Blob's data storage
for ( int i=0; i < 250; i++ ) {
    for ( int j=0; j < 250; j++ ) {
        input_data[i*250 + j] = data[i][j];  // I hope I did not filp anything here...
    }
}
net_->forward();  // do forward pass