Neural network Caffe HDF5预处理_Neural Network_Deep Learning_Hdf5_Caffe_Lmdb

Neural network Caffe HDF5预处理

neural-network deep-learning

Neural network Caffe HDF5预处理,neural-network,deep-learning,hdf5,caffe,lmdb,Neural Network,Deep Learning,Hdf5,Caffe,Lmdb,我正在开始学习Caffe和深度学习，我无法理解在HDF5数据上使用Caffe训练模型所需的预处理步骤。具体来说, 是否需要将图像转换为[0-1]范围。笔记本电脑示例（00 classification.ipynb）说明该模型在[0-255]范围内运行，而一些参考资料表明它应该是[0-1]。我怎么决定根据文档，批量图像数据的传统blob尺寸为N x通道K x高度H x宽度W。在这方面没有冲突 RGB到BGR转换的通道交换步骤是强制性的吗如何对HDF5数据执行图像平均值计算？对于compute\

我正在开始学习Caffe和深度学习，我无法理解在HDF5数据上使用Caffe训练模型所需的预处理步骤。具体来说,

是否需要将图像转换为[0-1]范围。笔记本电脑示例（00 classification.ipynb）说明该模型在[0-255]范围内运行，而一些参考资料表明它应该是[0-1]。我怎么决定

根据文档，批量图像数据的传统blob尺寸为N x通道K x高度H x宽度W。在这方面没有冲突

RGB到BGR转换的通道交换步骤是强制性的吗

如何对HDF5数据执行图像平均值计算？对于

compute\u image\u mean.cpp

，后端是lmdb。这只是为了提高性能

关于LMDB的使用，问题1-3仍然有效。对此的任何澄清都将不胜感激

欢迎来到caffe

1。将输入数据缩放到[0..1]或[0..255]的范围完全取决于您。一些型号在[0..1]范围内工作，其他型号在[0..255]范围内工作，与输入法的选择（LMDB/HDF5）完全无关。
这里最重要的是保持一致。如果您决定在[0..1]范围内工作，则必须确保以相同的方式准备培训集和验证集，并且“部署”阶段的新示例将缩放到相同的范围

2.Caffe斑点始终是您已经观察到的4-D批次通道宽度高度

3.RGB到BGR同样不是强制性的，但非常常见，因为BGR是opencv读取图像的方式。同样，这里最重要的事情是在网络的整个生命周期中保持一致性

4.最近，模型减去每个通道的平均值，而不是每个像素的平均值。它更方便，尤其是如果您更改网络的输入大小。在处理HDF5数据时，您可以计算平均图像并将其保存到binaryproto中。请参阅。

这是对预处理步骤的清晰总结。我找不到任何涵盖所有这些内容的文档。谢谢你。让我试试。非常感谢！我在任何地方都找不到涵盖所有这些的详细解释。我希望这对其他许多人也有用。