如何使用 1-dim 向量作为 caffe 的输入？

Question

我想在我自己的 1-dim 数据上训练神经网络 (NN)，我将这些数据存储在用于 caffe 的 hdf5 数据库中。根据文档，这应该有效。就我只使用 "Fully Connected Layers"、"Relu" 和 "Dropout" 而言，它也适用于我。但是，当我尝试在 NN 架构中使用 "Convolution" 和 "Max Pooling" 层时出现错误。该错误抱怨数据的输入维度。

I0622 16:44:20.456007  9513 net.cpp:84] Creating Layer conv1
I0622 16:44:20.456015  9513 net.cpp:380] conv1 <- data
I0622 16:44:20.456048  9513 net.cpp:338] conv1 -> conv1
I0622 16:44:20.456061  9513 net.cpp:113] Setting up conv1
F0622 16:44:20.456487  9513 blob.cpp:28] Check failed: shape[i] >= 0 (-9 vs. 0)

这是我只想在 "InnerProduct" 层后面使用 "Pooling" 层时的错误：

I0622 16:52:44.328660  9585 net.cpp:338] pool1 -> pool1
I0622 16:52:44.328666  9585 net.cpp:113] Setting up pool1
F0622 16:52:44.328680  9585 pooling_layer.cpp:84] Check failed: 4 == bottom[0]->num_axes() (4 vs. 2) Input must have 4 axes, corresponding to (num, channels, height, width)

但是我不知道如何更改输入尺寸以使其正常工作。这是指定网络架构的 prototxt 文件的开头：

name: "LeNet"
layer {
  name: "myNet"
  type: "HDF5Data"
  top: "data"
  top: "label"
  include {
    phase: TRAIN
  }
  hdf5_data_param {
    source: "/path/to/my/data/train.txt"
    batch_size: 200
  }
}

layer {
  name: "myNet"
  type: "HDF5Data"
  top: "data"
  top: "label"
  include {
    phase: TEST
  }
  hdf5_data_param {
    source: "/path/to/my/data/test.txt"
    batch_size: 200
  }
}

layer {
  name: "conv1"
  type: "Convolution"
  bottom: "data"
  top: "conv1"
  param {
    lr_mult: 1
    decay_mult: 1
  }
  param {
    lr_mult: 2
    decay_mult: 0
  }
  convolution_param {
    num_output: 1
    kernel_h: 11
    kernel_w: 1    
    stride: 1
    weight_filler {
      type: "gaussian"
      std: 0.01
    }
    bias_filler {
      type: "constant"
      value: 0
    }
  }
}
layer {
  name: "relu1"
  type: "ReLU"
  bottom: "conv1"
  top: "conv1"
}
layer {
  name: "pool1"
  type: "Pooling"
  bottom: "conv1"
  top: "pool1"
  pooling_param {
    pool: MAX
    kernel_h: 3
    kernel_w: 1
    stride: 2
  }
}

这就是我使用 Matlabs h5write 函数输出我的 4D 数据库（具有两个单一维度）的方式：

h5create('train.h5','/data',[dimFeats 1 1 numSamplesTrain]);
h5write('train.h5','/data', traindata);

Answer 1

由于我没有在 Matlab 中使用 h5create 和 h5write 的经验，我不确定生成的训练数据集是否具有您期望它生成的维度。

卷积层的错误消息说 shape[i] = -9。这意味着批处理中的图像宽度、高度、通道或数量被设置为 -9。

单独使用池化层时的错误消息说网络只能检测到 2D 输入，而网络期望 4D 输入。

两个层中的错误消息都与重塑斑点有关，这清楚地表明输入的尺寸与预期不符。

尝试调试 blob.cpp & layers/pooling_layer.cpp 中存在的 Reshape 函数，以深入了解哪个值实际上是流氓。

Answer 2

您输出的数据似乎使用了错误的形状。 Caffe blob 的尺寸为 (n_samples, n_channels, height, width) .

除此之外，您的 prototxt 似乎适合基于一维输入进行预测。

如何使用 1-dim 向量作为 caffe 的输入？

How to use 1-dim vector as input for caffe?

caffe