Neural network caffe:在数据层定义中,后端和扩展意味着什么?
我是咖啡馆的新人。 他跟在后面 看到Neural network caffe:在数据层定义中,后端和扩展意味着什么?,neural-network,protocol-buffers,deep-learning,caffe,lmdb,leveldb,Neural Network,Protocol Buffers,Deep Learning,Caffe,Lmdb,Leveldb,我是咖啡馆的新人。 他跟在后面 看到 layer { name: "mnist" type: "Data" transform_param { scale: 0.00390625 } data_param { source: "mnist_train_lmdb" backend: LMDB batch_size: 64 } top: "data" top: "label" } 我被参数弄糊涂了。 有人能解释一下后端和比例参数的含义
layer {
name: "mnist"
type: "Data"
transform_param {
scale: 0.00390625
}
data_param {
source: "mnist_train_lmdb"
backend: LMDB
batch_size: 64
}
top: "data"
top: "label"
}
我被参数弄糊涂了。
有人能解释一下后端
和比例
参数的含义吗
我在哪里可以找到这些参数的定义
谢谢大家! 在caffe的prototxt中遇到令人困惑的参数时,您可以始终查看定义参数的文件。大多数值都有解释它们的注释 至于你问题中的参数,
Caffe为
“数据”
层支持两种类型的数据集:和。backend
参数允许您指定输入数据集的类型LEVELDB
或LMDB
scale
参数是参数的一部分,caffe.proto中的注释如下:
谢谢您!谢,这就是我要找的!
// For data pre-processing, we can do simple scaling and subtracting the
// data mean, if provided. Note that the mean subtraction is always carried
// out before scaling.