【发布时间】：2016-07-22 21:47:27
【问题描述】：
我有一个数据集，格式是 matlab 文件。
该数据集包含 600,000 个样本，每个样本都是一个 7×256 的矩阵。
我的数据不是图像而是信号。
我想使用 caffe 的 CNN 来训练数据。
那么如何将其转换为 LMDB 作为 CNN 的输入。
我急需解决方案！
【问题讨论】：
标签： machine-learning neural-network deep-learning caffe matcaffe
【发布时间】：2016-07-22 21:47:27
【问题描述】：
【讨论】：
-
正如我上面提到的，我的数据集包含 600,000 个样本，每个样本都是 7×256 的矩阵，我的数据不是图像而是信号。那么这是否意味着blob是我的情况是[600000,1792,1,1]？实际上我不清楚blob的[num，channel，height，width]代表什么，尤其是高度和宽度。你能给我解释一下？@Shai
-
@ZhaoWulanaren 这些术语是针对图像的：通道通常是颜色 RGB，并且有图像的宽度和高度。在您的情况下，我不确定 7 和 256 代表什么尺寸，但您可以将其视为具有 channel=1 height=7 和 width=256 的 2D 信号
-
我的行数据是一维的，也就是说每行样本都是1×256。我使用6阶的波变换得到每个阶的细节系数和适当的系数最后一个顺序。因此每个样本都更改为 7×256 的矩阵。
-
@ZhaoWulanaren 然后由您决定是使用原始 1D 信号还是 2D 转换后的信号馈入网络
-
我的行数据是一维的，也就是说每行样本都是1×256。我使用6阶的波变换得到每个阶的细节系数和适当的系数最后一个订单。所以每个样本都更改为 7×256 的矩阵。你说在我的情况下 height=7 和 width=256 。那么我可以将图像识别的 caffe 模型与我的数据集一起使用吗？