Question

我想知道如何对实例进行分类并将其提供给Berkeley Caffe的神经网络。

假设我创建了一个lmbd数据库并保存了10个图像 - 图像1到10.我们假设这是我用来创建lmbd数据库的python代码。

import lmbd
imgs = [img_1,img_2,img_3,img_4, img_5,img_6,img_7,img_8,img_9,img_10] 

def make_datum(img, label):
    #image is numpy.ndarray format. BGR instead of RGB
    return caffe_pb2.Datum(
        channels=3,
        width=224,
        height=224,
        data=np.rollaxis(img, 2).tostring())

train_lmdb = '../train_lmdb/'
in_db = lmdb.open(train_lmdb, map_size=int(1e12))
k = 0
with in_db.begin(write=True) as in_txn:
    for idx, img_path in enumerate(imgs):
    if idx % 10 == 0:
            continue
        img = cv2.imread(img_path, cv2.IMREAD_COLOR)
        datum = make_datum(img)
        in_txn.put('{:0>8d}'.format(idx), datum.SerializeToString())
in_db.close()

假设批量大小为5（数据库大小为10）。

我可以安全地假设第一批将包含图像1至5（按此顺序）和第二批图像6至10（按此顺序）吗？

实例如何在Berkeley Caffe中排序

0 个答案: