caffe数据集——LMDB

LMDB介紹

Caffe使用LMDB來存放訓練/測試用的數據集，以及使用網絡提取出的feature（為了方便，以下還是統稱數據集）。數據集的結構很簡單，就是大量的矩陣/向量數據平鋪開來。數據之間沒有什麼關聯，數據內沒有復雜的對象結構，就是向量和矩陣。既然數據並不復雜，Caffe就選擇了LMDB這個簡單的數據庫來存放數據。

LMDB的全稱是Lightning Memory-Mapped Database，閃電般的內存映射數據庫。它文件結構簡單，一個文件夾，裡面一個數據文件，一個鎖文件。數據隨意複製，隨意傳輸。它的訪問簡單，不需要運行單獨的數據庫管理進程，只要在訪問數據的代碼裡引用LMDB庫，訪問時給文件路徑即可。

圖像數據集歸根究底從圖像文件而來。既然有ImageDataLayer可以直接讀取圖像文件，為什麼還要用數據庫來放數據集，增加讀寫的麻煩呢？我認為，Caffe引入數據庫存放數據集，是為了減少IO開銷。讀取大量小文件的開銷是非常大的，尤其是在機械硬盤上。 LMDB的整個數據庫放在一個文件裡，避免了文件系統尋址的開銷。 LMDB使用內存映射的方式訪問文件，使得文件內尋址的開銷非常​​小，使用指針運算就能實現。數據庫單文件還能減少數據集複製/傳輸過程的開銷。一個幾萬，幾十萬文件的數據集，不管是直接複製，還是打包再解包，過程都無比漫長而痛苦。 LMDB數據庫只有一個文件，你的介質有多塊，就能複制多快，不會因為文件多而慢如蝸牛。

Datum數據結構

首先需要注意的是，Caffe並不是把向量和矩陣直接放進數據庫的，而是將數據通過caffe.proto裡定義的一個datum類來封裝。數據庫裡放的是一個個的datum序列化成的字符串。 Datum的定義摘錄如下：

所以要使用的話   首先要用pip 下載 lmdb

由於小編已經安裝過了

所以顯示already satisfied

程式碼:

1.從  array  做出  lmdb

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41

import numpy as np import lmdb import caffe   N = 1000   # Let's pretend this is interesting data X = np.zeros((N, 3, 32, 32), dtype=np.uint8) print "x shape is :",X.shape[1] y = np.zeros(N, dtype=np.int64) print "y shape is :",y.shape   # We need to prepare the database for the size. We'll set it 10 times # greater than what we theoretically need. There is little drawback to # setting this too big. If you still run into problem after raising # this, you might want to try saving fewer entries in a single # transaction. map_size = X.nbytes * 10   print "map_size is:3*32*32*1000*10 --",map_size   env = lmdb.open('mylmdb', map_size=map_size)   with env.begin(write=True) as txn:     # txn is a Transaction object     for i in range(N):         datum = caffe.proto.caffe_pb2.Datum()         #set channels=3         datum.channels = X.shape[1]         #set height =32         datum.height = X.shape[2]         #set width = 32         datum.width = X.shape[3]         datum.data = X[i].tobytes()  # or .tostring() if numpy < 1.9         datum.label = int(y[i])                             str_id = '{:08}'.format(i)           # The encode is only essential in Python 3         txn.put(str_id.encode('ascii'), datum.SerializeToString())

產生的資料如下:

2.從lmdb讀取資料:

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17

import caffe import lmdb   lmdb_env = lmdb.open('mylmdb') lmdb_txn = lmdb_env.begin() lmdb_cursor = lmdb_txn.cursor() datum = caffe.proto.caffe_pb2.Datum() i=0 for key, value in lmdb_cursor:     i=i+1     datum.ParseFromString(value)     label = datum.label     data = caffe.io.datum_to_array(datum)           print "This is counter:",i     print "This is data: ",data.shape     print "This is label:",label,"\n"

運行結果如下:

參考資料:

http://darren1231.pixnet.net/blog/post/328463403-%E5%AD%B8%E6%9C%83%E5%81%9A%E5%87%BA%E8%87%AA%E5%B7%B1%E7%9A%84%E6%95%B8%E6%93%9A%E9%9B%86%28imdb%29--caffe

http://deepdish.io/2015/04/28/creating-lmdb-in-python/

http://rayz0620.github.io/2015/05/25/lmdb_in_caffe/

https://lmdb.readthedocs.io/en/release/

http://stackoverflow.com/questions/33117607/caffe-reading-lmdb-from-python