Caffe 不读取所有 h5 文件

Question

我在 train.txt 中列出了以下 h5 文件，我将这些文件提供给 hdf5 数据层。

/home/foo/data/h5_files/train_data1.h5
/home/foo/data/h5_files/train_data2.h5
/home/foo/data/h5_files/train_data3.h5
/home/foo/data/h5_files/train_data4.h5
/home/foo/data/h5_files/train_data5.h5

我在这些文件中有 3 个数据集 - X、Meta 和 Labels。最初，我将所有这些都保存在 1 个 h5 文件中，但由于 caffe 无法处理大于 2 GB 的 h5 文件，我不得不将 X（假设 X 包含 5000 个样本）分成 5 个部分。在第一个 h5 中，我将 Meta 和 Labels 与第一部分一起存储，即； X 的 1000 个样本，在剩余的 4 个 h5 文件中，我每个都有 1000 个样本。当我开始微调时，caffe 崩溃并显示以下错误消息

0111 07:46:54.094041 23981 layer_factory.hpp:74] Creating layer data
 net.cpp:76] Creating Layer data
 net.cpp:334] data -> X
 net.cpp:334] data -> Labels
 net.cpp:334] data -> Meta
 net.cpp:105] Setting up data
 hdf5_data_layer.cpp:66] Loading list of HDF5  filenames from: /home/foo/hdf5_train.txt
 hdf5_data_layer.cpp:80] Number of HDF5 files: 5
 hdf5_data_layer.cpp:53] Check failed: hdf_blobs_[i]->num() == num (5000 vs. 1000) 

*** Check failure stack trace: ***
    @     0x7f1eebcab0d0  google::LogMessage::Fail()
    @     0x7f1eebcab029  google::LogMessage::SendToLog()
    @     0x7f1eebcaaa07  google::LogMessage::Flush()
    @     0x7f1eebcad98f  google::LogMessageFatal::~LogMessageFatal()
    @     0x7f1ef18ff045  caffe::HDF5DataLayer<>::LoadHDF5FileData()
    @     0x7f1ef18fdca4  caffe::HDF5DataLayer<>::LayerSetUp()
    @     0x7f1ef196bffc  caffe::Net<>::Init()
    @     0x7f1ef196e0b2  caffe::Net<>::Net()
    @     0x7f1ef18cf3cd  caffe::Solver<>::InitTrainNet()
    @     0x7f1ef18cfa3f  caffe::Solver<>::Init()
    @     0x7f1ef18cfe75  caffe::Solver<>::Solver()
    @           0x40a3c8  caffe::GetSolver<>()
    @           0x404fb1  train()
    @           0x405936  main
    @       0x3a8141ed1d  (unknown)
    @           0x4048a9  (unknown)

我认为最主要的是 'Check failed: hdf_blobs_[i]->num() == num (5000 vs. 1000)'
我假设 caffe 只读取第一个 h5 文件，我怎样才能让它读取所有 5 个 h5 文件？请帮忙！

Answer 1

您希望如何 caffe 同步所有文件中的所有输入数据？您希望它从第二个文件读取 X 并从第一个文件读取 Meta 吗？
如果您要实现 "HDF5Data" 层，您期望数据如何为您布局？

目前在 caffe 中实现的方式，所有变量都应该以相同的方式在 HDF5 文件之间划分。也就是说，如果您决定将 X 分成 5 个文件，例如第一个文件中有 1000 个样本，第二个文件中有 1234 个样本等。那么您必须将 Meta 和 Labels 的方式相同：train_data1.h5 将有 1000 个 X、Meta 和 Label 的样本； train_data2.h5 将有 1234 个样本 X、Meta 和 Label 等等。

Caffe 不会将所有数据加载到内存中，它只会获取 SGD 迭代所需的批次。因此，将变量拆分到不同的文件是没有意义的。此外，如果您将存储在每个文件中的样本数设置为 batch_size.

的整数倍，这可能会有所帮助

Caffe 不读取所有 h5 文件

Caffe not reading all h5 files

matlab

hdf5

neural-network

deep-learning

caffe