如何将元组输入到caffe层？
How to input tuple to caffe layer?
我是 caffe 的新手，我正在尝试将 tensorflow 模型转换为 caffe。
我有一个元组，它的形状有点复杂，因为它存储了一些词向量。
这是元组数据的形状——
data[0]: a list, [684, 84], stores the sentence vector;
data[1]: a list, [684, 84], stores the position vector;
data[2]: a matrix, [684, 10], stores the aspects of the sentence;
data[3]: a matrix, [1, 684], stores the label of each sentence;
data[4]: a number, stores the max length of sentences;
每一行代表一个句子，也是数据集的样本。
在 tf 中，我 return 来自我自己编写的函数的整个元组。
train_data = read_data(FLAGS.train_data, source_count, source_word2idx)
我注意到 caffe 在训练数据之前总是需要一个数据层，但是我不知道如何将我的数据转换为 lmdb 类型或者只是将它们作为元组或矩阵发送到模型中。
对了，我用的是pycaffe
有人帮忙吗？
非常感谢！
没有什么特别的魔法；您需要做的就是编写一个输入例程，以 train_data 预期的格式读取文件和 returns 数据。您无需将数据预先转换为 LMDB 或任何其他格式；只需写入 read 数据以接受您当前的输入格式，并为模型提供所需的格式。
我们无法从那里帮助您：您根本没有指定模型的格式，并且您只给了我们输入数据的形状（没有内部结构或语义）。只需像处理给定输出格式的输入数据一样处理数据。
我是 caffe 的新手，我正在尝试将 tensorflow 模型转换为 caffe。 我有一个元组，它的形状有点复杂，因为它存储了一些词向量。 这是元组数据的形状——
data[0]: a list, [684, 84], stores the sentence vector;
data[1]: a list, [684, 84], stores the position vector;
data[2]: a matrix, [684, 10], stores the aspects of the sentence;
data[3]: a matrix, [1, 684], stores the label of each sentence;
data[4]: a number, stores the max length of sentences;
每一行代表一个句子，也是数据集的样本。
在 tf 中，我 return 来自我自己编写的函数的整个元组。
train_data = read_data(FLAGS.train_data, source_count, source_word2idx)
我注意到 caffe 在训练数据之前总是需要一个数据层，但是我不知道如何将我的数据转换为 lmdb 类型或者只是将它们作为元组或矩阵发送到模型中。
对了，我用的是pycaffe
有人帮忙吗？
非常感谢！
没有什么特别的魔法；您需要做的就是编写一个输入例程，以 train_data 预期的格式读取文件和 returns 数据。您无需将数据预先转换为 LMDB 或任何其他格式；只需写入 read 数据以接受您当前的输入格式，并为模型提供所需的格式。
我们无法从那里帮助您：您根本没有指定模型的格式，并且您只给了我们输入数据的形状（没有内部结构或语义）。只需像处理给定输出格式的输入数据一样处理数据。