caffe：数据层定义中的 BACKEND 和 SCALE 是什么意思？

【问题标题】：caffe: what does BACKEND and SCALE mean in data layer definition?caffe：数据层定义中的 BACKEND 和 SCALE 是什么意思？
【发布时间】：2016-09-21 07:30:35
【问题描述】：

我是个刚接触咖啡的人。并关注mnsit handwritten digits recognize example。

当看到

layer {
  name: "mnist"
  type: "Data"
  transform_param {
    scale: 0.00390625
  }
  data_param {
    source: "mnist_train_lmdb"
    backend: LMDB
    batch_size: 64
  }
  top: "data"
  top: "label"
}

我被参数弄糊涂了。有人能解释一下backend 和scale 参数的含义吗？

在哪里可以找到这些参数的定义？

谢谢！

【问题讨论】：

标签： neural-network protocol-buffers deep-learning caffe

【解决方案1】：

当遇到 caffe 的 prototxt 中令人困惑的参数时，您可以随时查看定义参数的 $CAFFE_ROOT/src/caffe/caffe.proto 文件。大多数值都有 cmets 解释它们。

至于您问题中的参数，
Caffe 支持"Data" 层的两种类型的数据集：lmdb 和leveldb。 backend 参数允许您指定输入数据集LEVELDB 或LMDB 的类型。

scale 参数是transform_param 的一部分，caffe.proto 中的注释内容如下：

// For data pre-processing, we can do simple scaling and subtracting the
// data mean, if provided. Note that the mean subtraction is always carried
// out before scaling.

【讨论】：

谢谢！ Shai，这就是我要找的东西！