caffe python 输入层的简单示例（用于带有标签的图像）

Question

要求是 Python 脚本更具有说明性而非性能。

1. 保持简单（没有多重处理，这可以是一个单独的步骤）
2. 每批50张图片和对应标签。
3. 它应该在setup 步骤中将transformer（调整大小、转置、均值、原始缩放、通道交换）应用于每个图像。
4. 网络的其余部分可以是 caffe bvlc 参考网络或 Alex 网络。如果它可以更好地证明网络在端到端的正常工作，它可能会更简单。
5. 实际上，python 层应该像 type: "ImageData" 提供的图像和标签一样工作（它接收带有图像路径和标签的文本文件）
6. 为简化起见，不需要验证码。

根据here 提供的单元测试，我认为setup、forward 和可能的reshape 代码需要“填充”（不需要backward 代码）。我的假设是forward 将使用 get_next_batch 函数分批处理 50 个图像。

Answer 1

原来，这已经可用了！

https://github.com/BVLC/caffe/blob/master/examples/pascal-multilabel-with-datalayer.ipynb

这里有pyhton输入层代码，

https://github.com/BVLC/caffe/blob/master/examples/pycaffe/layers/pascal_multilabel_datalayers.py

很抱歉让人们对为什么会问这个问题感到惊愕（我被问到了）。

这个问题是合法的。只是需要看起来更努力。

以后可以帮助别人。