码迷,mamicode.com
首页 > 数据库 > 详细

Caffe2——cifar10数据集创建lmdb或leveldb类型的数据

时间:2015-05-05 15:55:32      阅读:3519      评论:0      收藏:0      [点我收藏+]

标签:

Caffe2——cifar10数据集创建lmdb或leveldb类型的数据

cifar10数据集和mnist数据集存储方式不同,cifar10数据集把标签和图像数据以bin文件的方式存放在同一个文件内,这种存放方式使得每个子cifar数据bin文件的结构相同,所以cifar转换数据代码比mnist的代码更加的模块化,分为源数据读取模块(image_read函数),把lmdb(leveldb)数据转换的变量声明,句柄(函数)调用都放到定义的caffe::db子空间中,这样简化了代码,而且使得代码更加清晰。

 

一:程序开始

和转换mnist数据不同的是,cifar并没有使用gflags命令行解析工具;所以也没有通过gflags的宏定义来指定要转换的数据类型,而是把转换的类型参数直接作为main()函数的参数(这种方式便于理解)。

在Create.sh文件中,调用convert_cifar_data.bin语句为:

./build/examples/cifar10/convert_cifar_data.bin$DATA $EXAMPLE $DBTYPE

convert_cifar_data.bin程序,程序需要3个参数,分别为源数据路径,lmdb(leveldb)存储路径,要转换的数据类型lmdb or leveldb

二:数据转换流程图

技术分享

 

三:convert_cifar_data.cpp函数分析

 

1引入必要的头文件和命名空间

 

[cpp] view plaincopy技术分享技术分享
 
  1. #include <fstream>   
  2. #include <string>  
  3. #include "boost/scoped_ptr.hpp"  
  4. #include "glog/logging.h"  
  5. #include "google/protobuf/text_format.h"  
  6. #include "stdint.h"  
  7. #include "caffe/proto/caffe.pb.h"  
  8. #include "caffe/util/db.hpp"  

头文件和convert_mnist_data.cpp的区别:

 

1,没有引入gflags命令行解析工具;

2,没有引入leveldb和lmdb的数据头文件

3,引入了"boost/scoped_ptr.hpp"智能指针头文件

4,引入"caffe/util/db.hpp"头文件,里面包装了对lmdb和leveldb数据对象的操作内容

 

[cpp] view plaincopy技术分享技术分享
 
  1. using caffe::Datum;  
  2. using boost::scoped_ptr;  
  3. using std::string;  
  4. namespace db = caffe::db;  

命名空间区别:

 

1,没有引入全部caffe命名空间,而是局部引入了两个caffe命名空间下的子空间 caffe::Datum和caffe::db

2,引入boost::scoped_ptr;智能指针命名空间,智能指针,它能够保证在离开作用域后对象被自动释放;在mnist数据转换代码中,经常出现delete batch等删除临时变量的指令,通过智能指针可以自动删除过期的变量,对于控制程序内存占用很实用。

2 main()函数

接收参数,调用转换函数convet_dataset()

3 convet_dataset()函数

3.1以智能指针的方式创建db::DB类型的对象 train_db

 

[cpp] view plaincopy技术分享技术分享
 
  1. scoped_ptr<db::DB>  train_db(db::GetDB(db_type));  

智能指针的创建方式类似泛型的格式,上面通过db.cpp内定义的命名的子命名空间中db的“成员函数”GetDB函数来初始化train_db对象

 

3.2 创建lmdb数据对象

3.2.1创建环境;设置环境参数,打开环境

调用tran_db对象的open方法,以“对db::NEW的方式,创建lmdb(leveldb)类型文件

 

[cpp] view plaincopy技术分享技术分享
 
  1. train_db->Open(output_folder+ "/cifar10_train_" + db_type,db::NEW);  

db命名空间中open函数具体实现代码:

 

 

[cpp] view plaincopy技术分享技术分享
 
  1. void LMDB::Open(const string& source, Mode mode) {  
  2.   MDB_CHECK(mdb_env_create(&mdb_env_));//创建lmdb操作环境  
  3.  MDB_CHECK(mdb_env_set_mapsize(mdb_env_, LMDB_MAP_SIZE));//设置环境内训映射  
  4.   if (mode == NEW) {  
  5.     CHECK_EQ(mkdir(source.c_str(),0744), 0) << "mkdir " << source <<"failed";  
  6.   }//检查文件  
  7.   int flags = 0;  
  8.   if (mode == READ) {  
  9.     flags = MDB_RDONLY | MDB_NOTLS;  
  10.   }  
  11.   MDB_CHECK(mdb_env_open(mdb_env_,source.c_str(), flags, 0664));//打开创建的环境  
  12.   LOG(INFO) << "Openedlmdb " << source;  
  13. }  

3.2.2创建并打开transaction操作句柄,打开数据库句柄

 

调用db命名空间中的Transaction方法,来创建句柄对象txn

scoped_ptr<db::Transaction>  txn(train_db->NewTransaction());

db命名空间中NewTransaction()函数代码

//在lmdb环境中创建操作句柄

 

[cpp] view plaincopy技术分享技术分享
 
  1. LMDBTransaction* LMDB::NewTransaction() {  
  2.   MDB_txn* mdb_txn;  
  3.   MDB_CHECK(mdb_txn_begin(mdb_env_,NULL, 0, &mdb_txn));//创建操作句柄  
  4.   MDB_CHECK(mdb_dbi_open(mdb_txn,NULL, 0, &mdb_dbi_));//打开数据库环境  
  5.   return new LMDBTransaction(&mdb_dbi_,mdb_txn);  
  6. }  

3.3 定义数据结构文件

 

 

[cpp] view plaincopy技术分享技术分享
 
  1. const int kCIFARSize =32;  
  2. const intkCIFARImageNBytes = 3072; //32*32=1024,RGB各占一个字节,感觉应该为uint8_t,0~255,  
  3. const intkCIFARBatchSize = 10000; //cifar共计5万个训练样本,分成5份batches,每份1万个  
  4. const int kCIFARTrainBatches= 5;  
  5.   // Data buffer  
  6.   int label;  
  7.   charstr_buffer[kCIFARImageNBytes]; //定义字符数组,一个数组可以存放一张图片的数据  
  8.   Datum datum;  
  9.   datum.set_channels(3);  
  10.   datum.set_height(kCIFARSize);  
  11.   datum.set_width(kCIFARSize);  

3.4 打开源数据文件

 

下载的Cifar数据存放在6个bin文件内,从data_batch_1.bin到data_batch_5.bin;本文以循环的方式分别读取每个bin文件。每个bin文件存储1万张图片

 

[cpp] view plaincopy技术分享技术分享
 
  1. for (int fileid = 0;fileid < kCIFARTrainBatches; ++fileid) {  
  2. snprintf(str_buffer, kCIFARImageNBytes, "/data_batch_%d.bin", fileid + 1);  
  3. std::ifstream data_file((input_folder + str_buffer).c_str(),std::ios::in| std::ios::binary);  
  4.     CHECK(data_file) << "Unable to open train file #" <<fileid + 1;  
  5.          //str_buffer=/data_batch_1.bin,等等,但str_buffer是个字符数组  
  6.          //以二进制和流输入的方式打开文件data/cifar10/data_batch_1.bin  
  7.          //c_str() 以 char* 形式传回 string 内含字符串  

3.5 读取源数据文件

 

和mnist不同的是,mnist源数据集有4个文件;mnist读取数据时,分别调用文件读取函数read(),感觉这是由于mnist源数据中label数据和image数据中存储的内容不统一,image文件中除了存储图像数据外,还存储了图像结构数据;而图像结构数据和图像数据读取的方式不一样,而且还涉及到大端小端的转换;所以没有定义一个统一的图像读取函数来读取;本项由于image和标签数据都存储在同一个bin文件中,所以可以定义统一的图片读取函数read_image来读取源数据内容。

 

[cpp] view plaincopy技术分享技术分享
 
  1. for (int itemid = 0;itemid < kCIFARBatchSize; ++itemid) {  
  2.       read_image(&data_file, &label,str_buffer);  
  3. //调用read_image函数从.bin文件读取数据,通过指针赋值给label和str_buffer  
  4. void read_image(std::ifstream* file,int* label, char*buffer) {  
  5.          charlabel_char;  
  6.          file->read(&label_char, 1);  
  7. //读取label_char的内容;CIFAR10数据应该是一个类似结构体的数据对,有label和data两个属性,其中label用label_char来定义的  
  8.          *label = label_char; //把label_char的值,给label  
  9.          file->read(buffer,kCIFARImageNBytes);  
  10.          return;  
  11.          }  

3.6 读取的数据赋值到“转换”数据对象datum,并序列化

 

 

[cpp] view plaincopy技术分享技术分享
 
  1. datum.set_label(label);  
  2. datum.set_data(str_buffer,kCIFARImageNBytes);  
  3. string out;  
  4. CHECK(datum.SerializeToString(&out));  

3.7 把数据写入数据库

 

 

[cpp] view plaincopy技术分享技术分享
 
  1. int length =snprintf(str_buffer, kCIFARImageNBytes, "%05d",fileid *kCIFARBatchSize + itemid);  

//上一行代码有两个作用:

 

1,把fileid * kCIFARBatchSize + itemid的值赋值给str_buffer,此处的赋值为每个样本(图片)的id,

2,给length赋值,此处length=5

 

[cpp] view plaincopy技术分享技术分享
 
  1. string out;  
  2. txn->Put(string(str_buffer, length),out);//string(str_buffer, length)用来截取str_buffer的前length个字符;  

//db命名空间中,Put函数代码;

 

 

[cpp] view plaincopy技术分享技术分享
 
  1. void LMDBTransaction::Put(conststring& key,const string& value) {  
  2.   MDB_val mdb_key, mdb_value;//声明MDB_val不透明类型数据结构“对象”  
  3.   mdb_key.mv_data = const_cast<char*>(key.data());//通过指针的方式给mdb_key赋值  
  4.   mdb_key.mv_size = key.size();  
  5.   mdb_value.mv_data = const_cast<char*>(value.data());  
  6.   mdb_value.mv_size = value.size();  
  7.   MDB_CHECK(mdb_put(mdb_txn_, *mdb_dbi_,&mdb_key, &mdb_value, 0));  
  8. //通过mdb_put()句柄把mdb_key和mdb_value中的数据,写入数据库中  
  9. }  

3.8 把数据库写入lmdb文件并关闭写入环境

 

//这个commit函数和close函数,不是在caffe:db命名空间中定义的函数,估计是caffe命名空间中自带的函数。

 

[cpp] view plaincopy技术分享技术分享
 
  1. txn->Commit();  
  2. train_db->Close();  

3.9用上面类似的方法把测试集写入lmdb文件中

 

 

四,相关文件

convert_cifar10_data.cpp文件

 

[cpp] view plaincopy技术分享技术分享
 
  1. // This script converts the CIFAR dataset to the leveldb format used  
  2. // by caffe to perform classification.  
  3. // Usage:  
  4. //    convert_cifar_data input_folder output_db_file  
  5. // The CIFAR dataset could be downloaded at  
  6. //    http://www.cs.toronto.edu/~kriz/cifar.html  
  7.   
  8. #include <fstream>  // NOLINT(readability/streams),文件输入输出必备的文件流  
  9. #include <string>  
  10.   
  11. #include "boost/scoped_ptr.hpp"//智能指针  
  12. #include "glog/logging.h"//用于日志记录,具体记录什么不是很清楚,  
  13. #include "google/protobuf/text_format.h"//用于解析.prototxt文件的  
  14. #include "stdint.h"  
  15.   
  16. #include "caffe/proto/caffe.pb.h" //解析.prototxt文件的头文件  
  17. #include "caffe/util/db.hpp" //db.cpp文件中定义了NewTransaction(),Open()等leveldb和lmdb操作函数  
  18.   
  19. using caffe::Datum;  
  20. using boost::scoped_ptr;//是一个简单的智能指针,它能够保证在离开作用域后对象被自动释放。  
  21. using std::string;  
  22. namespace db = caffe::db;//引入caffe命名空间中的db子命名空间  
  23.   
  24. const int kCIFARSize = 32;  
  25. const int kCIFARImageNBytes = 3072;//32*32=1024,RGB各占一个字节,感觉应该为uint8_t,0~255,  
  26. const int kCIFARBatchSize = 10000;//cifar共计5万个训练样本,分成5份batches,每份1万个,  
  27. const int kCIFARTrainBatches = 5;  
  28.   
  29.   
  30.  void read_image(std::ifstream* file, int* label, char* buffer) {  
  31.     char label_char;  
  32.     file->read(&label_char, 1);//读取label_char的内容;CIFAR10数据应该是一个类似结构体的数据对,有label和data两个属性,其中label用label_char来定义的  
  33.     *label = label_char;//把label_char的值,给label  
  34.     file->read(buffer, kCIFARImageNBytes);  
  35.     return;  
  36.     }  
  37.   
  38. //以值引用的方式传递参数(string& input_folder),  
  39. void convert_dataset(const string& input_folder, const string& output_folder,  
  40.     const string& db_type) {  
  41.   scoped_ptr<db::DB> train_db(db::GetDB(db_type));//以智能指针的方式创建db::DB类型的对象 train_db ,这个db::DB是什么东西有些不清楚,db.cpp中并没有发现这个DB类型的命名空间。  
  42.   train_db->Open(output_folder + "/cifar10_train_" + db_type, db::NEW);//调用tran_db对象的open方法,以“对db::NEW的方式,创建(或打开)文件  
  43.   scoped_ptr<db::Transaction> txn(train_db->NewTransaction());//这个transaction暂时不清楚是干什么用的  
  44.   // Data buffer  
  45.   int label;  
  46.   char str_buffer[kCIFARImageNBytes];//定义字符数组,一个数组可以存放一张图片的数据  
  47.   Datum datum;  
  48.   datum.set_channels(3);  
  49.   datum.set_height(kCIFARSize);  
  50.   datum.set_width(kCIFARSize);  
  51.   
  52.   LOG(INFO) << "Writing Training data";  
  53.   for (int fileid = 0; fileid < kCIFARTrainBatches; ++fileid) {//依次遍历每个batches,共计5个  
  54.     // Open files  
  55.     LOG(INFO) << "Training Batch " << fileid + 1;  
  56.     snprintf(str_buffer, kCIFARImageNBytes, "/data_batch_%d.bin", fileid + 1); //str_buffer=/data_batch_1.bin,等等,但str_buffer是个字符数组  
  57.     std::ifstream data_file((input_folder + str_buffer).c_str(),//以二进制和流输入的方式打开文件data/cifar10/data_batch_1.bin  
  58.         std::ios::in | std::ios::binary);//c_str() 以 char* 形式传回 string 内含字符串  
  59.     CHECK(data_file) << "Unable to open train file #" << fileid + 1;  
  60.     for (int itemid = 0; itemid < kCIFARBatchSize; ++itemid) {  
  61.       read_image(&data_file, &label, str_buffer);//调用read_image函数从.bin文件读取数据,给label和str_buffer赋值  
  62.       datum.set_label(label);  
  63.       datum.set_data(str_buffer, kCIFARImageNBytes);  
  64.       int length = snprintf(str_buffer, kCIFARImageNBytes, "%05d",  
  65.           fileid * kCIFARBatchSize + itemid);//给str_buffer赋值,此处的赋值为每个样本(图片)的id,length=5;其实是把str_buffer的前5个字符赋值为id  
  66.       string out;  
  67.       CHECK(datum.SerializeToString(&out));  
  68.       txn->Put(string(str_buffer, length), out);//string(str_buffer, length)用来截取str_buffer的前length个字符;  
  69.     }  
  70.   }  
  71.   txn->Commit();  
  72.   train_db->Close();  
  73.   
  74.   LOG(INFO) << "Writing Testing data";  
  75.   scoped_ptr<db::DB> test_db(db::GetDB(db_type));  
  76.   test_db->Open(output_folder + "/cifar10_test_" + db_type, db::NEW);  
  77.   txn.reset(test_db->NewTransaction());  
  78.   // Open files  
  79.   std::ifstream data_file((input_folder + "/test_batch.bin").c_str(),  
  80.       std::ios::in | std::ios::binary);  
  81.   CHECK(data_file) << "Unable to open test file.";  
  82.   for (int itemid = 0; itemid < kCIFARBatchSize; ++itemid) {  
  83.     read_image(&data_file, &label, str_buffer);  
  84.     datum.set_label(label);  
  85.     datum.set_data(str_buffer, kCIFARImageNBytes);  
  86.     int length = snprintf(str_buffer, kCIFARImageNBytes, "%05d", itemid);  
  87.     string out;  
  88.     CHECK(datum.SerializeToString(&out));  
  89.     txn->Put(string(str_buffer, length), out);  
  90.   }  
  91.   txn->Commit();  
  92.   test_db->Close();  
  93. }  
  94.   
  95. int main(int argc, char** argv) {  
  96.   if (argc != 4) {  
  97.     printf("This script converts the CIFAR dataset to the leveldb format used\n"  
  98.            "by caffe to perform classification.\n"  
  99.            "Usage:\n"  
  100.            "    convert_cifar_data input_folder output_folder db_type\n"  
  101.            "Where the input folder should contain the binary batch files.\n"  
  102.            "The CIFAR dataset could be downloaded at\n"  
  103.            "    http://www.cs.toronto.edu/~kriz/cifar.html\n"  
  104.            "You should gunzip them after downloading.\n");  
  105.   } else {  
  106.     google::InitGoogleLogging(argv[0]);  
  107.     convert_dataset(string(argv[1]), string(argv[2]), string(argv[3]));  
  108.     //sh文件传递的参数:./build/examples/cifar10/convert_cifar_data.bin $DATA $EXAMPLE $DBTYPE ,依次为argv[0] argv[1] argv[2] argv[3];  
  109.     //即执行程序名称,原始数据存放位置,转换后数据保存的位置,转换的数据类型lmdb,以上参数都是以字符串形式进行传递的。  
  110.   }  
  111.   return 0;  
  112. }  

db.cpp 文件

 

里面定义了caffe名字空间和其子空间db

 

[cpp] view plaincopy技术分享技术分享
 
  1. #include "caffe/util/db.hpp"  
  2.   
  3. #include <sys/stat.h>  
  4. #include <string>  
  5.   
  6. namespace caffe { namespace db {  
  7.   
  8. const size_t LMDB_MAP_SIZE = 1099511627776;  // 1 TB  
  9.   
  10. //在制定位置以options方式创建(或打开)leveldb类型数据文件,并检查是否打开成功  
  11. void LevelDB::Open(const string& source, Mode mode) {  
  12.   leveldb::Options options;//创建leveldb中的options类型对象  
  13.   options.block_size = 65536;  
  14.   options.write_buffer_size = 268435456;  
  15.   options.max_open_files = 100;  
  16.   options.error_if_exists = mode == NEW;//mode=NEW时,是创建新leveldb类型文件,所以如果该文件以存在则报错  
  17.   options.create_if_missing = mode != READ;//  
  18.   leveldb::Status status = leveldb::DB::Open(options, source, &db_);//通过leveldb空间中的DB子空间中的Open函数来创建(或打开)leveldb类型文件  
  19.   CHECK(status.ok()) << "Failed to open leveldb " << source  
  20.                      << std::endl << status.ToString();  
  21.   LOG(INFO) << "Opened leveldb " << source;  
  22. }  
  23.   
  24.   
  25. //Open函数主要负责,创建环境;设置环境参数,打开环境  
  26. void LMDB::Open(const string& source, Mode mode) {  
  27.   MDB_CHECK(mdb_env_create(&mdb_env_));//创建lmdb操作环境  
  28.   MDB_CHECK(mdb_env_set_mapsize(mdb_env_, LMDB_MAP_SIZE));//设置环境内训映射  
  29.   if (mode == NEW) {  
  30.     CHECK_EQ(mkdir(source.c_str(), 0744), 0) << "mkdir " << source << "failed";  
  31.   }//检查文件  
  32.   int flags = 0;  
  33.   if (mode == READ) {  
  34.     flags = MDB_RDONLY | MDB_NOTLS;  
  35.   }  
  36.   MDB_CHECK(mdb_env_open(mdb_env_, source.c_str(), flags, 0664));//打开创建的环境  
  37.   LOG(INFO) << "Opened lmdb " << source;  
  38. }  
  39.   
  40. LMDBCursor* LMDB::NewCursor() {  
  41.   MDB_txn* mdb_txn;  
  42.   MDB_cursor* mdb_cursor;  
  43.   MDB_CHECK(mdb_txn_begin(mdb_env_, NULL, MDB_RDONLY, &mdb_txn));  
  44.   MDB_CHECK(mdb_dbi_open(mdb_txn, NULL, 0, &mdb_dbi_));  
  45.   MDB_CHECK(mdb_cursor_open(mdb_txn, mdb_dbi_, &mdb_cursor));  
  46.   return new LMDBCursor(mdb_txn, mdb_cursor);  
  47. }  
  48.   
  49. //在lmdb环境中创建操作句柄  
  50. LMDBTransaction* LMDB::NewTransaction() {  
  51.   MDB_txn* mdb_txn;  
  52.   MDB_CHECK(mdb_txn_begin(mdb_env_, NULL, 0, &mdb_txn));//创建操作句柄  
  53.   MDB_CHECK(mdb_dbi_open(mdb_txn, NULL, 0, &mdb_dbi_));//打开数据库环境  
  54.   return new LMDBTransaction(&mdb_dbi_, mdb_txn);  
  55. }  
  56.   
  57. void LMDBTransaction::Put(const string& key, const string& value) {  
  58.   MDB_val mdb_key, mdb_value;  
  59.   mdb_key.mv_data = const_cast<char*>(key.data());  
  60.   mdb_key.mv_size = key.size();  
  61.   mdb_value.mv_data = const_cast<char*>(value.data());  
  62.   mdb_value.mv_size = value.size();  
  63.   MDB_CHECK(mdb_put(mdb_txn_, *mdb_dbi_, &mdb_key, &mdb_value, 0));  
  64. }  
  65.   
  66. DB* GetDB(DataParameter::DB backend) {  
  67.   switch (backend) {  
  68.   case DataParameter_DB_LEVELDB:  
  69.     return new LevelDB();  
  70.   case DataParameter_DB_LMDB:  
  71.     return new LMDB();  
  72.   default:  
  73.     LOG(FATAL) << "Unknown database backend";  
  74.   }  
  75. }  
  76.   
  77. //创建cafe::db“命名空间”类型对象,cafe::db“命名空间”中包含了各种数据操作函数  
  78. DB* GetDB(const string& backend) {  
  79.   if (backend == "leveldb") {  
  80.     return new LevelDB();  
  81.   } else if (backend == "lmdb") {  
  82.     return new LMDB();  
  83.   } else {  
  84.     LOG(FATAL) << "Unknown database backend";  
  85.   }  
  86. }  
  87.   
  88. }  // namespace db  
  89. }  // namespace caffe  


五,以上代码注释为个人理解,如有遗漏,错误还望大家多多交流,指正,以便共同学习,进步!!

Caffe2——cifar10数据集创建lmdb或leveldb类型的数据

标签:

原文地址:http://www.cnblogs.com/yymn/p/4479218.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!