PROSAGA码农传奇-Caffe-Test labels for regression caffe, float not allowed?

我正在使用caffe进行回归，而我test.txt和train.txt文件如下所示：

/home/foo/caffe/data/finetune/flickr/3860781056.jpg 2.0
/home/foo/caffe/data/finetune/flickr/4559004485.jpg 3.6
/home/foo/caffe/data/finetune/flickr/3208038920.jpg 3.2
/home/foo/caffe/data/finetune/flickr/6170430622.jpg 4.0
/home/foo/caffe/data/finetune/flickr/7508671542.jpg 2.7272

我的问题是，当我在阅读时使用浮动标签时，例如’test.txt’caffe 不允许使用2.0之类的浮动标签，例如caffe文件只能识别

共1张图片

这是错误的。

但是，例如，当我在文件中将2.0更改为2且以下几行相同时，caffe现在给出

共2张图片

暗示浮动标签是造成此问题的原因。

任何人都可以在这里帮助我，以解决此问题，我肯定需要使用float标签进行回归分析，所以有人知道解决此问题的方法或解决方案吗？提前致谢。

当使用图像数据集输入层（带后端lmdb或带leveldb后端）时，caffe 每个输入图像仅支持一个整数标签。

如果要进行回归并使用浮点标签，则应尝试使用HDF5数据层。例如参见这个问题。

在python中，您可以使用h5pypackage创建hdf5文件。

import h5py, os
import caffe
import numpy as np
SIZE = 224 # fixed size to all images
with open( 'train.txt', 'r' ) as T :
    lines = T.readlines()
# If you do not have enough memory split data into
# multiple batches and generate multiple separate h5 files
X = np.zeros( (len(lines), 3, SIZE, SIZE), dtype='f4' ) 
y = np.zeros( (len(lines),1), dtype='f4' )
for i,l in enumerate(lines):
    sp = l.split(' ')
    img = caffe.io.load_image( sp[0] )
    img = caffe.io.resize( img, (SIZE, SIZE, 3) ) # resize to fixed size
    # you may apply other input transformations here...
    # Note that the transformation should take img from size-by-size-by-3 and transpose it to 3-by-size-by-size
    # for example
    # transposed_img = img.transpose((2,0,1))[::-1,:,:] # RGB->BGR
    X[i] = transposed_img
    y[i] = float(sp[1])
with h5py.File('train.h5','w') as H:
    H.create_dataset( 'X', data=X ) # note the name X given to the dataset!
    H.create_dataset( 'y', data=y ) # note the name y given to the dataset!
with open('train_h5_list.txt','w') as L:
    L.write( 'train.h5' ) # list all h5 files you are going to use

拥有所有h5文件和列出它们的相应测试文件后，您可以将HDF5输入层添加到您的train_val.prototxt：

 layer {
   type: "HDF5Data"
   top: "X" # same name as given in create_dataset!
   top: "y"
   hdf5_data_param {
     source: "train_h5_list.txt" # do not give the h5 files directly, but the list.
     batch_size: 32
   }
   include { phase:TRAIN }
 }

澄清：
当我说“ caffe每个输入图像仅支持一个整数标签”时，我并不是说leveldb / lmdb容器是有限的，我指的是caffe的convert_imageset工具，特别是该工具。
经过仔细检查，似乎caffe将类型Datum为typedb的数据存储在leveldb / lmdb中，并且此类型的“ label”属性定义为整数（请参阅caffe.proto），因此，在将caffe接口用于leveldb / lmdb时，您只能使用一个每个图像的int32标签。