餵食長一維矢量數據，一維矢量標籤到咖啡

新手在這裏喝咖啡。
我想在我自己的數據集上覆制LeNet。我的訓練數據是一維數據，可以表示爲1x3000矢量。對於每個1x3000向量，我有一個標籤，它是1x64維二進制向量的另一個1D向量。我有10萬個這樣的（數據，標籤）數據。我很困惑我怎麼能把這個餵給Caffe。所有的例子都是針對尺寸爲N x N的圖片。餵食長一維矢量數據，一維矢量標籤到咖啡

任何想法如何將這些數據進行處理以提供給Caffe？

我正在考慮對零矢量進行零填充，並使它成爲n（零填充）xN，但它似乎並不正確。也可以將1x3000矢量切片爲1xn並將它們堆疊起來形成一個mxn矩陣是一個解決方案？有沒有人做過這個？

任何建議表示讚賞。

來源

2016-10-05 user2413711

相關：http://stackoverflow.com/q/29213108/1714410 – Shai

Caffe可以輕鬆處理「數據」和「標籤」二維數據。
我猜想將數據提供給caffe最直接的方法是使用hdf5格式文件。您可以使用'data'和'label'數據集以二進制hdf5數據文件中的數據。然後，您可以使用"HDF5Data"圖層將數據提供給caffe。

來源

2016-10-05 12:51:42 Shai

感謝Shai的建議。我有幾個跟進問題。那麼，在那種情況下，我的所有用於卷積層和合並層的內核也都是1xN尺寸的。那也是caffe支持的嗎？ 2.我的'標籤'真的很長，所以我有點擔心如果這會在以後造成不好的結果。對於一個1x3000數據，我有64個（可能會增加到128個）二進制向量標籤。這不像數據屬於64個不同的類（因爲我已經看到了一些建議的多標籤解決方案）。一個標籤可以是2^64空間中的任何標籤，並且特定於一個1x3000數據。這裏有什麼建議嗎？ – user2413711

@ user2413711（1）是的，你應該使用'kernel_w'和'kernel_h'來指定非矩形內核（見''caffe.proto']（https://github.com/BVLC/caffe/blob/master/src詳情請參閱/caffe/proto/caffe.proto#L556）。（2）您需要使用適當的損失層。對於二元標籤，我認爲你可以檢查['「」SigmoidCrossEntropyLoss「']（http://caffe.berkeleyvision.org/doxygen/classcaffe_1_1SigmoidCrossEntropyLossLayer.html）層。 – Shai

餵食長一維矢量數據，一維矢量標籤到咖啡

回答

相關問題