Deep learning 在pycaffe中使用net.Forward时从lmdb的第一个转发

我正在使用pycaffe，我的训练和测试数据是LMDB格式的

我创建的网络如下所示： net=caffe.net（'train.prototxt'，'c.caffemodel'，caffe.TEST）

调用net.forward时，隐式地逐个遍历LMDB测试数据库。我的问题是如何从LMDB开始，在前n批测试数据上测试我的网络

---

谢谢

不确定它是否仍然相关，但您需要更改输入层的数据，类似这样的

net.params['data'][0]。data[…]=net.params['data'][0]。data[n，：，：，：，：，：]

不确定它是否仍然相关，但您需要更改输入层的数据，类似这样的

net.params['data'][0]。data[…]=net.params['data'][0]。data[n，：，：，：：]

lmdb输入层是否将其内部数据公开为层。param？@Shai，不确定…但不是接口点？其他层已完成，但通常使用pycaffe和matcaffee

层。params

存储层的可训练参数。我不确定

“Data”

层是如何实现的，但看起来数据并不是作为层的参数存储的。您验证过这个解决方案吗？@Shai，很抱歉，回复太晚了，还没有在lmdb上运行，但考虑到它们是BLOB，这会起作用，在lmdb上没有尝试过，但这对我inet有效。params['data'][0]。data[…]=numpyarray[samedim as network]lmdb输入层是否将其内部数据公开为层。param？@Shai，不确定…但接口的意义不是吗？其他层都这样做了，但通常使用pycaffe和MatCaffe

层。params

存储层的可训练参数。我不确定

“Data”

层是如何实现的，但看起来数据并不是作为层的参数存储的。您是否验证了此解决方案？@Shai，很抱歉回复太晚，尚未在lmdb上运行，但考虑到它们是BLOB，这将起作用，没有在lmdb上尝试，但这对我inet.params['data'][0]。data[…]=numpyarray[samedim as network]