Erstellen von großen LMDBs für Caffe mit numpy Arrays

Question

Ich habe zwei 60 x 80921 Matrizen, eine mit Daten gefüllt, eine mit Bezug.
Ich möchte die Werte als Schlüssel/Wert-Paare in zwei verschiedenen LMDBs speichern, eine für das Training (sagen wir um die 60000 Spaltenmarke) und eine für das Testen. Hier ist meine Idee; funktioniert es?

X_train = X[:,:60000] 
Y_train = Y[:,:60000] 
X_test = X[:,60000:] 
Y_test = Y[:,60000:] 

X_train = X_train.astype(int) 
X_test = X_test.astype(int) 
Y_train = Y_train.astype(int) 
Y_test = Y_test.astype(int) 

map_size = X_train.nbytes * 10 
env = lmdb.open('sensormatrix_train_lmdb', map_size=map_size) 
with env.begin(write=True) as txn: 
    for i in range(60): 
     for j in range(60000): 
      datum = caffe.proto.caffe_pb2.Datum() 
      datum.height = X_train.shape[0] 
      datum.width = X_train.shape[1] 
      datum.data = X_train[i,j].tobytes() 
      datum.label= int(Y[i,j]) 
      str_id= '{:08}'.format(i) 

Ich bin mir wirklich nicht sicher über den Code. Und worauf bezieht sich die letzte Zeile format(i)?

Answer 1

Es ist nicht 100% klar, was Sie zu tun versuchen: sind Sie jeden Eintrag als separate Datenprobe zu behandeln, oder versuchen Sie 60K 1D Vektoren dim = 60 zu trainieren ...

Angenommen, Sie haben 60K Trainingsproben von dim 60, können Sie die Ausbildung lmdbs wie folgt schreiben:

env_x = lmdb.open('sensormatrix_train_x_lmdb', map_size=map_size) # you can put map_size a little bigger 
env_y = lmdb.open('sensormatrix_train_y_lmdb', map_size=map_size) 
with env_x.begin(write=True) as txn_x, env_y.begin(write=True) as txn_y: 
    for i in xrange(X_train.shape[1]): 
     x = X_train[:,i] 
     y = Y_train[:,i] 

     datum_x = caffe.io.array_to_datum(arr=x.reshape((60,1,1)),label=i) 
     datum_y = caffe.io.array_to_datum(arr=y.reshape((60,1,1)),label=i) 
     keystr = '{:0>10d}'.format(i) # format an lmdb key for this entry 
     txn_x.put(keystr, datum_x.SerializeToString()) # actual write to lmdb 
     txn_y.put(keystr, datum_y.SerializeToString()) 

Jetzt haben Sie zwei LMDB für die Ausbildung, in Ihrem 'prototxt' Sie sollten zwei entsprechende "Data" Schichten haben:

layer { 
    name: "input_x" 
    top: "x" 
    top: "idx_x" 
    type: "Data" 
    data_param { source: "sensormatrix_train_x_lmdb" batch_size: 32 } 
    include { phase: TRAIN } 
} 
layer { 
    name: "input_y" 
    top: "y" 
    top: "idx_y" 
    type: "Data" 
    data_param { source: "sensormatrix_train_y_lmdb" batch_size: 32 } 
    include { phase: TRAIN } 
} 

Um sicherzustellen, dass Sie gelesen haben entsprechende xy Paare Sie eine Plausibilitätsprüfung

layer { 
    name: "sanity" 
    type: "EuclideanLoss" 
    bottom: "idx_x" 
    bottom: "idx_y" 
    top: "sanity" 
    loss_weight: 0 
    propagate_down: false 
    propagate_down: false 
}