使用python将标签作为LMDB数据中的矩阵

我想在python中创建一个lmdb数据，其中标签不是标量，但每个标签都是（1，K）向量，K是类的数量。更具体地说，标签向量除了在相应的类索引中有1外，其他地方都有零

我用python测试了以下代码：

with env.begin(write=True) as txn:
    for i in range(N):
        datum = caffe.proto.caffe_pb2.Datum()
        datum.channels = X.shape[1]
        datum.height = X.shape[2]
        datum.width = X.shape[3]
        datum.data = X[i].tobytes()  # or .tostring() if numpy < 1.9
        datum.label = int(y[i])
        str_id = '{:08}'.format(i)
        txn.put(str_id.encode('ascii'), datum.SerializeToString())
        print i+1

将env.begin（write=True）作为txn：
对于范围（N）中的i：
datum=caffe.proto.caffe_pb2.datum（）
datum.channels=X.shape[1]
基准高度=X形状[2]
基准面宽度=X形[3]
datum.data=X[i].tobytes（）#或.tostring（），如果numpy<1.9
datum.label=int（y[i]）
str_id='{:08}'。格式（i）
txn.put（str_id.encode（'ascii'），datum.SerializeToString（））
打印i+1

但是我得到了这个错误

TypeError：只有length-1数组可以转换为Python标量
，其中
y[I]
是如上所述的numpy（1，k）向量

我还想知道caffe是否会接受这种标签格式

非常感谢您的帮助
是的，caffe支持将numpy阵列转换为数据，然后您可以将数据放入lmdb

使用
caffe.io.array_to_datum（numpy_array）
将numpy_数组转换为datum，请注意numpy_数组必须有4个轴，因此如果要将vector放入lmdb，应使用[1,1,1,M]形状初始化numpy_数组，而M是向量的长度

是一种将图像/映射对写入lmdb的工具，lmdb可馈送至caffe网络