深度学习（十三）caffe之训练数据格式

最新推荐文章于 2025-02-24 19:53:47 发布

算法学习者

最新推荐文章于 2025-02-24 19:53:47 发布

阅读量6.6k

点赞数

分类专栏： DL

DL 专栏收录该内容

158 篇文章

订阅专栏

caffe之训练数据格式

原文地址：http://blog.youkuaiyun.com/hjimce/article/details/49248231

作者：hjimce

caffe对于训练数据格式，支持：lmdb、h5py……，其中lmdb数据格式常用于单标签数据，像分类等，经常使用lmdb的数据格式。对于回归等问题，或者多标签数据，一般使用h5py数据的格式。当然好像还有其它格式的数据可用，不过我一般使用这两种数据格式，因此本文就主要针对这两种数据格式的制作方法，进行简单讲解。

一、lmdb数据

lmdb用于单标签数据。为了简单起见，我后面通过一个性别分类作为例子，进行相关数据制作讲解。

１、数据准备

首先我们要准备好训练数据，然后新建一个名为train的文件夹和一个val的文件夹：

train文件存放训练数据，val文件存放验证数据。然后我们在train文件下面，把训练数据性别为男、女图片各放在一个文件夹下面：

同样的我们在val文件下面也创建文件夹：

两个文件也是分别存我们用于验证的图片数据男女性别文件。我们在test_female下面存放了都是女性的图片，然后在test_male下面存放的都是验证数据的男性图片。

２、标签文件.txt文件制作.

接着我们需要制作一个train.txt、val.txt文件，这两个文件分别包含了我们上面的训练数据的图片路径，以及其对应的标签，如下所示。

我们把女生图片标号为１，男生图片标记为０。标签数据文件txt的生成可以通过如下代码，通过扫描路径男、女性别下面的图片，得到标签文件train.txt和val.txt：

[python]view plaincopy 
   
 <span style="font-family:Arial;font-size:18px;"><span style="font-size:18px;"><span style="font-size:18px;">import os  
 import numpy as np  
 from matplotlib import pyplot as plt  
 import cv2  
 import shutil  
   
   
 #扫面文件  
 def GetFileList(FindPath,FlagStr=[]):        
     import os  
     FileList=[]  
     FileNames=os.listdir(FindPath)  
     if len(FileNames)>0:  
         for fn in FileNames:  
             if len(FlagStr)>0:  
                 if IsSubString(FlagStr,fn):  
                     fullfilename=os.path.join(FindPath,fn)  
                     FileList.append(fullfilename)  
             else:  
                 fullfilename=os.path.join(FindPath,fn)  
                 FileList.append(fullfilename)  
   
      
     if len(FileList)>0:  
         FileList.sort()  
   
     return FileList  
 def IsSubString(SubStrList,Str):        
     flag=True  
     for substr in SubStrList:  
         if not(substr in Str):  
             flag=False  
   
     return flag  
   
 txt=open('train.txt','w')  
 #制作标签数据，如果是男的，标签设置为０，如果是女的标签为１  
 imgfile=GetFileList('first_batch/train_female')  
 for img in imgfile:  
     str=img+'\t'+'1'+'\n'  
     txt.writelines(str)  
   
 imgfile=GetFileList('first_batch/train_male')  
 for img in imgfile:  
     str=img+'\t'+'0'+'\n'  
     txt.writelines(str)  
 txt.close()</span></span></span>  

把生成的标签文件，和train\val文件夹放在同一个目录下面：

需要注意，我们标签数据文件里的文件路径和图片的路径要对应的起来，比如val.txt文件的某一行的图片路径，是否在val文件夹下面：

３、生成lmdb数据

接着我们的目的就是要通过上面的四个文件，把图片的数据和其对应的标签打包起来，打包成lmdb数据格式，打包脚本如下：

[python]view plaincopy 
   
 <span style="font-family:Arial;font-size:18px;"><span style="font-size:18px;">#!/usr/bin/env sh  
 # Create the imagenet lmdb inputs  
 # N.B. set the path to the imagenet train + val data dirs  
   
 EXAMPLE=.          # 生成模型训练数据文化夹  
 TOOLS=／/../build/tools                              # caffe的工具库，不用变  
 DATA=.                  # python脚步处理后数据路径  
   
 TRAIN_DATA_ROOT=train/  #待处理的训练数据  
 VAL_DATA_ROOT=val/      # 带处理的验证数据  
   
   
   
 # Set RESIZE=true to resize the images to 256x256. Leave as false if images have  
 # already been resized using another tool.  
 RESIZE=true#是否需要对图片进行resize  
 if $RESIZE; then  
   RESIZE_HEIGHT=256  
   RESIZE_WIDTH=256  
 else  
   RESIZE_HEIGHT=0  
   RESIZE_WIDTH=0  
 fi  
   
 if [ ! -d "$TRAIN_DATA_ROOT" ]; then  
   echo "Error: TRAIN_DATA_ROOT is not a path to a directory: $TRAIN_DATA_ROOT"  
   echo "Set the TRAIN_DATA_ROOT variable in create_imagenet.sh to the path" \  
        "where the ImageNet training data is stored."  
   exit 1  
 fi  
   
 if [ ! -d "$VAL_DATA_ROOT" ]; then  
   echo "Error: VAL_DATA_ROOT is not a path to a directory: $VAL_DATA_ROOT"  
   echo "Set the VAL_DATA_ROOT variable in create_imagenet.sh to the path" \  
        "where the ImageNet validation data is stored."  
   exit 1  
 fi  
   
 echo "Creating train lmdb..."  
   
 GLOG_logtostderr=1 $TOOLS/convert_imageset \  
     --resize_height=$RESIZE_HEIGHT \  
     --resize_width=$RESIZE_WIDTH \  
     --shuffle \  
     $TRAIN_DATA_ROOT \  
     $DATA/train.txt \  
     $EXAMPLE/train_lmdb  
   
 echo "Creating val lmdb..."  
   
 GLOG_logtostderr=1 $TOOLS/convert_imageset \  
     --resize_height=$RESIZE_HEIGHT \  
     --resize_width=$RESIZE_WIDTH \  
     --shuffle \  
     $VAL_DATA_ROOT \  
     $DATA/val.txt \  
     $EXAMPLE/val_lmdb  
   
 echo "Done."</span></span>  

通过运行上面的脚本，我们即将得到文件夹train_lmdb\val_lmdb：

我们打开train_lmdb文件夹

并查看一下文件data.mdb数据的大小，如果这个数据包好了我们所有的训练图片数据，查一下这个文件的大小是否符合预期大小，如果文件的大小才几k而已，那么就代表你没有打包成功，估计是因为路径设置错误。我们也可以通过如下的代码读取上面打包好的数据，把图片、和标签打印出来，查看一下，查看lmdb数据请参考下面的代码：

Python lmdb数据验证：

[python]view plaincopy 
   
 <span style="font-family:Arial;font-size:18px;"><span style="font-size:18px;"># coding=utf-8  
 caffe_root = '/home/hjimce/caffe/'  
 import sys  
 sys.path.insert(0, caffe_root + 'python')  
 import caffe  
   
 import os  
 import lmdb  
 import numpy  
 import matplotlib.pyplot as plt  
   
   
 def readlmdb(path,visualize = False):  
     env = lmdb.open(path, readonly=True,lock=False)  
   
     datum = caffe.proto.caffe_pb2.Datum()  
     x=[]  
     y=[]  
     with env.begin() as txn:  
         cur = txn.cursor()  
         for key, value in cur:  
             # 转换为datum  
             datum.ParseFromString(value)  
             # 读取datum数据  
             img_data = numpy.array(bytearray(datum.data))\  
                 .reshape(datum.channels, datum.height, datum.width)  
             print img_data.shape  
             x.append(img_data)  
             y.append(datum.label)  
             if visualize:  
                 img_data=img_data.transpose([1,2,0])  
                 img_data = img_data[:, :, ::-1]  
                 plt.imshow(img_data)  
                 plt.show()  
                 print datum.label  
     return  x,y</span></span>  

通过上面的函数，我们可以是读取相关的lmdb数据文件。

４、制作均值文件。

这个是为了图片归一化而生成的图片平均值文件，把所有的图片相加起来，做平均，具体的脚本如下：

[python]view plaincopy 
   
 #!/usr/bin/env sh  
 # Compute the mean image from the imagenet training lmdb  
 # N.B. this is available in data/ilsvrc12  
   
 EXAMPLE=.  
 DATA=train  
 TOOLS=../../build/tools   
   
 $TOOLS/compute_image_mean $EXAMPLE/train_lmdb \　　＃train_lmdb是我们上面打包好的lmdb数据文件  
   $DATA/imagenet_mean.binaryproto  
   
 echo "Done."  

运行这个脚本，我们就可以训练图片均值文件：imagenet_mean.binaryproto

至此，我们得到了三个文件：imagenet_mean.binaryproto、train_lmdb、val_lmdb，这三个文件就是我们最后打包好的数据，这些数据我们即将作为caffe的数据输入数据格式文件，把这三个文件拷贝出来，就可以把原来还没有打包好的数据删了。这三个文件，我们在caffe的网络结构文件，数据层定义输入数据的时候，就会用到了：

[python]view plaincopy 
   
 name: "CaffeNet"  
 layers {  
   name: "data"  
   type: DATA  
   top: "data"  
   top: "label"  
   data_param {  
     source: "train_lmdb"＃lmbd格式的训练数据  
     backend: LMDB  
     batch_size: 50  
   }  
   transform_param {  
     crop_size: 227  
     mirror: true  
     mean_file:"imagenet_mean.binaryproto"＃均值文件  
   
   }  
   include: { phase: TRAIN }  
 }  
 layers {  
   name: "data"  
   type: DATA  
   top: "data"  
   top: "label"  
   data_param {  
     source:  "val_lmdb"＃lmdb格式的验证数据  
     backend: LMDB  
     batch_size: 50  
   }  
   transform_param {  
     crop_size: 227  
     mirror: false  
     mean_file:"imagenet_mean.binaryproto"＃均值文件  
   }  
   include: { phase: TEST }  
 }  

二、h5py格式数据

上面的lmdb一般用于单标签数据，图片分类的时候，大部分用lmdb格式。然而假设我们要搞的项目是人脸特征点识别，我们要识别出68个人脸特征点，也就是相当于136维的输出向量。网上查了一下，对于caffe多标签输出，需要使用h5py格式的数据，而且使用h5py的数据格式的时候，caffe是不能使用数据扩充进行相关的数据变换的，很是悲剧啊，所以如果caffe使用h5py数据格式的话，需要自己在外部，进行数据扩充，数据归一化等相关的数据预处理操作。

1、h5py数据格式生成

下面演示一下数据h5py数据格式的制作：

[python]view plaincopy 
   
 # coding: utf-8  
 caffe_root = '/home/hjimce/caffe/'  
 import sys  
 sys.path.insert(0, caffe_root + 'python')  
 import os  
 import cv2  
 import numpy as np  
 import h5py  
 from common import shuffle_in_unison_scary, processImage  
 import matplotlib.pyplot as plt  
   
 def readdata(filepath):  
     fr=open(filepath,'r')  
     filesplit=[]  
     for line in fr.readlines():  
         s=line.split()  
         s[1:]=[float(x) for x in s[1:]]  
         filesplit.append(s)  
     fr.close()  
     return  filesplit  
 #因为我们的训练数据可能不是正方形，然而网络的输入的大小是正方形图片，为了避免强制resize引起的图片扭曲，所以我们采用填充的方法  
 def sqrtimg(img):  
     height,width=img.shape[:2]  
     maxlenght=max(height,width)  
     sqrtimg0=np.zeros((maxlenght,maxlenght,3),dtype='uint8')  
   
     sqrtimg0[(maxlenght*.5-height*.5):(maxlenght*.5+height*.5),(maxlenght*.5-width*.5):(maxlenght*.5+width*.5)]=img  
     return  sqrtimg0  
   
   
 def generate_hdf5():  
   
     labelfile =readdata('../data/my_alige_landmark.txt')  
     F_imgs = []  
     F_landmarks = []  
   
   
     for i,l in enumerate(labelfile):  
         imgpath='../data/'+l[0]  
   
         img=cv2.imread(imgpath)  
         maxx=max(img.shape[0],img.shape[1])  
         img=sqrtimg(img)#把输入图片填充成正方形，因为我们要训练的图片的大小是正方形的图片255*255  
         img=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)#图片转为灰度图像  
         f_face=cv2.resize(img,(39,39))#把图片缩放成255＊255的图片  
         # F  
         plt.imshow(f_face,cmap='gray')  
   
   
         f_face = f_face.reshape((1, 39, 39))  
         f_landmark =np.asarray(l[1:],dtype='float')  
   
         F_imgs.append(f_face)  
   
   
         #归一化人脸特征点标签,因为上面height等于width，这里比较懒，直接简写  
         f_landmark=f_landmark/maxx #归一化到0～１之间  
         print f_landmark  
         F_landmarks.append(f_landmark)  
   
   
     F_imgs, F_landmarks = np.asarray(F_imgs), np.asarray(F_landmarks)  
   
   
     F_imgs = processImage(F_imgs)#图片预处理，包含均值归一化，方差归一化等  
     shuffle_in_unison_scary(F_imgs, F_landmarks)#打乱数据  
   
     #生成h5py格式  
     with h5py.File(os.getcwd()+ '/train_data.h5', 'w') as f:  
         f['data'] = F_imgs.astype(np.float32)  
         f['landmark'] = F_landmarks.astype(np.float32)  
     #因为caffe的输入h5py不是直接使用上面的数据，而是需要调用.txt格式的文件  
     with open(os.getcwd() + '/train.txt', 'w') as f:  
         f.write(os.getcwd() + '/train_data.h5\n')  
     print i  
   
   
 if __name__ == '__main__':  
     generate_hdf5()  
 
   
 

利用上面的代码，可以生成一个train.txt、train_data.h5的文件，然后在caffe的prototxt中，进行训练的时候，可以用如下的代码，作为数据层的调用：

[python]view plaincopy 
   
 layer {  
     name: "hdf5_train_data"  
     type: "HDF5Data"  #需要更改类型  
     top: "data"  
     top: "landmark"  
     include {  
         phase: TRAIN  
     }  
     hdf5_data_param {   #这个参数类型h5f5_data_param记得要更改  
         source: "h5py/train.txt" #上面生成的train.txt文件  
         batch_size: 64  
     }  
 }  

上面需要注意的是，相比与lmdb的数据格式，我们需要该动的地方，我标注的地方就是需要改动的地方，还有h5py不支持数据变换。

2、h5py数据读取

[python]view plaincopy 
   
 f=h5py.File('../h5py/train.h5','r')  
 x=f['data'][:]  
 x=np.asarray(x,dtype='float32')  
 y=f['label'][:]  
 y=np.asarray(y,dtype='float32')  
 print x.shape  
 print y.shape  