深度学习caffe平台--制作自己.lmdb格式数据集及分类标签文件

caffe对于训练数据格式，支持：lmdb、h5py……，其中lmdb数据格式常用于单标签数据，像分类等，经常使用lmdb的数据格式。对于回归等问题，或者多标签数据，一般使用h5py数据的格式。当然好像还有其它格式的数据可用，本文就主要针对lmdb数据格式的制作方法，进行简单讲解。

以一个简单的例子来介绍一下如何生成自己的图像集。主要分为两步：

（1）生成标签文件列表，即生成 .txt 文件

（2）将 txt 文件列表中的图像与train图像库、val图像库的图像相连接，生成lmdb格式文件

lmdb数据

lmdb用于单标签数据。为了简单起见，我后面通过一个性别分类作为例子，进行相关数据制作讲解。

１、数据准备

首先我们要准备好训练数据，然后新建一个名为train的文件夹和一个val的文件夹：

train文件存放训练数据，val文件存放验证数据。然后我们在train文件下面，把训练数据猫、狗图片各放在一个文件夹下面：

同样的我们在val文件下面也创建文件夹：

两个文件也是分别存我们用于验证的图片数据猫与狗图像文件。我们在test_cat下面存放了都是猫的图片，然后在test_dog下面存放的都是验证数据的狗图片。

将train 与 val 文件夹放到一个文件夹内，本文中放到了Data_Test文件夹内。

２、标签文件.txt文件制作.

接着我们需要制作一个train.txt、val.txt文件，这两个文件分别包含了我们上面的训练数据的图片路径，以及其对应的标签，如下所示。

我们把猫图片标号为１，狗图片标记为０。标签数据文件txt的生成可以通过如下代码，通过扫描路径猫、狗下面的图片，得到标签文件train.txt和val.txt：

需要注意的是，路径与标签之间是一个空格，标签最好从0开始。

 <pre class="python" name="code">#coding:utf-8
 '''''
 Created on Jul 29, 2016

 @author: sgg
 '''

 "<span style=""font-family:Arial;font-size:18px;"">"
 "<span style=""font-size:18px;"">"
 "<span style=""font-size:18px;"">"
 import os

 def IsSubString(SubStrList,Str):
     flag=True
     for substr in SubStrList:
         if not(substr in Str):
             flag=False

     return flag

 #扫面文件
 def GetFileList(FindPath,FlagStr=[]):
     FileList=[]
     FileNames=os.listdir(FindPath)
     if len(FileNames)>0:
         for fn in FileNames:
             if len(FlagStr)>0:
                 if IsSubString(FlagStr,fn):
                     fullfilename=os.path.join(FindPath,fn)
                     FileList.append(fullfilename)
             else:
                 fullfilename=os.path.join(FindPath,fn)
                 FileList.append(fullfilename)

     if len(FileList)>0:
         FileList.sort()

     return FileList



 train_txt=open('train.txt','w')
 #制作标签数据，如果是狗的，标签设置为0，如果是猫的标签为1
 imgfile=GetFileList('train/train_cat')#将数据集放在与.py文件相同目录下
 for img in imgfile:
     str1=img+' '+'1'+'\n'        #用空格代替转义字符 \t
     train_txt.writelines(str1)


 imgfile=GetFileList('train/train_dog')
 for img in imgfile:
     str2=img+' '+'0'+'\n'
     train_txt.writelines(str2)
 train_txt.close()


 #测试集文件列表
 test_txt=open('val.txt','w')
 #制作标签数据，如果是男的，标签设置为0，如果是女的标签为1
 imgfile=GetFileList('val/test_cat')#将数据集放在与.py文件相同目录下
 for img in imgfile:
     str3=img+' '+'1'+'\n'
     test_txt.writelines(str3)


 imgfile=GetFileList('val/test_dog')
 for img in imgfile:
     str4=img+' '+'0'+'\n'
     test_txt.writelines(str4)
 test_txt.close()

 print("成功生成文件列表")

将上述代码保存为.py的Python文件，运行该Python代码生成 txt 文件。

注：本文中生成txt文件时，Data_Test文件夹与生成文件列表的代码.py文件位于同一个目录下。

３、生成lmdb数据

接着我们的目的就是要通过上面的四个文件（两个txt文件列表、train与val两个图库），把图片的数据和其对应的标签打包起来，打包成lmdb数据格式：

在caffe-master创建My_Files文件夹，然后将caffe-master下的imagenet文件夹的create_imagenet.sh复制到该文件夹下进行修改，进行训练和测试路径的设置，运行该sh.

注意：这里是对.sh文件进行修改，在终端打开该文件后进行修改并保存。这里为了排版所以代码类型选择了Python代码类型。

 <pre class="python" name="code">#!/usr/bin/env sh
 # Create the imagenet lmdb inputs
 # N.B. set the path to the imagenet train + val data dirs
 set -e


 EXAMPLE=My_Files/Build_lmdb      #生成模型训练数据文件夹，即create_imagenet.sh所在文件夹
 DATA=My_Files/Data_Test             #python脚本处理数据路径，即生成的文件列表.txt文件所在文件夹
 TOOLS=build/tools              #caffe的工具库，不用更改

 TRAIN_DATA_ROOT=<span style="font-size:14px;">/home/sgg/workspace/caffe_learn/scr/Data_Test/</span>     #待处理的训练数据
 VAL_DATA_ROOT=<span style="font-size:14px;">/home/sgg/workspace/caffe_learn/scr/Data_Test/</span>      #待处理的验证数据


 # Set RESIZE=true to resize the images to 256x256. Leave as false if images have
 # already been resized using another tool.
 RESIZE=true  #是否需要对图片进行resize
 if $RESIZE; then
   RESIZE_HEIGHT=256
   RESIZE_WIDTH=256
 else
   RESIZE_HEIGHT=0
   RESIZE_WIDTH=0
 fi

 if [ ! -d "$TRAIN_DATA_ROOT" ]; then
   echo "Error: TRAIN_DATA_ROOT is not a path to a directory: $TRAIN_DATA_ROOT"
   echo "Set the TRAIN_DATA_ROOT variable in create_imagenet.sh to the path" \
        "where the ImageNet training data is stored."
   exit 1
 fi

 if [ ! -d "$VAL_DATA_ROOT" ]; then
   echo "Error: VAL_DATA_ROOT is not a path to a directory: $VAL_DATA_ROOT"
   echo "Set the VAL_DATA_ROOT variable in create_imagenet.sh to the path" \
        "where the ImageNet validation data is stored."
   exit 1
 fi

 echo "Creating train lmdb..."

 rm -rf $EXAMPLE/train_lmdb
 rm -rf $EXAMPLE/val_lmdb    #删除已存在的lmdb格式文件，若在已存在lmdb格式的文件夹下再添加lmdb文件，会出现错误

 GLOG_logtostderr=1 $TOOLS/convert_imageset \
     --resize_height=$RESIZE_HEIGHT \
     --resize_width=$RESIZE_WIDTH \
     --shuffle \
     $TRAIN_DATA_ROOT \
     $DATA/train.txt \
     $EXAMPLE/train_lmdb


 echo "Creating val lmdb..."

 GLOG_logtostderr=1 $TOOLS/convert_imageset \
     --resize_height=$RESIZE_HEIGHT \
     --resize_width=$RESIZE_WIDTH \
     --shuffle \
     $VAL_DATA_ROOT \
     $DATA/val.txt \
     $EXAMPLE/val_lmdb

 echo "Done."

这里对程序中所涉及的几个路径做简单说明：

先通过几张图了解一下每个文件夹所包含的内容与位置：

1、训练与测试图像库，即 train 与 val 文件夹所在位置，可以通过查看属性来确定其位置，本文中其位置是位于/home/sgg/workspace/caffe_learn/scr/Data_Test下

   

2、生成的txt文件，即 train.txt 与 test.txt 文件所在位置，可以通过查看属性来确定其位置，本文中其位置是位于/home/sgg/Downloads/caffe-master/My_Files/Data_Test下

3、生成lmdb的.sh文件，即 进行修改后的create_imagenet.sh文件所在位置，可以通过查看属性来确定其位置，本文中其位置是位于/home/sgg/Downloads/caffe-master/My_Files/Build_lmdb下

4、生成后的lmdb格式文件，即 生成的train_lmdb与val_lmdb文件夹所在位置，其位置与生成文件create_imagenet.sh位于同一目录下，本文中其位置是位于/home/sgg/Downloads/caffe-master/My_Files/Build_lmdb下

正式介绍文件中的几个路径值：

1、EXAMPLE

EXAMPLE 表示生成模型训练数据文件夹，即create_imagenet.sh所在文件夹

本文设为EXAMPLE=My_Files/Build_lmdb     ，其中My_Files文件夹位于caffe-master文件夹下

2、DATA

DATA 表示python脚本处理数据路径，即生成的文件列表.txt文件所在文件夹

本文设为 DATA=My_Files/Data_Test            

注：（1）本文开始为了测试DATA 值的设定，在该目录下直接拷贝了eclipse工作空间下的Data_Test文件，所以这里要注意这里是含有Data_Test文件夹的。

（2）该DATA路径直接写为 My_Files/Data_Test   ，不用将其变为 /home/sgg/Downloads/caffe-master/My_Files/Data_Test ,写成这样是错误的。具体原因尚不明确。

3、TOOLS

TOOLS  表示caffe的工具库，为  TOOLS=build/tools   不用更改

4、TRAIN_DATA_ROOT

TRAIN_DATA_ROOT 表示待处理的训练数据，即 train 训练图像库所在位置。

注：

（1）这里需要写具体地址，这就是为什么看地址时需要通过文件的属性进行查看具体地址，写的地址为属性中所显示的地址。

像本文train 训练图像库所在位置为  /home/sgg/workspace/caffe_learn/scr/Data_Test/train/   ，我们经常在终端定位时写的比较简单，在终端定位时的地址为： /workspace/caffe_learn/scr/Data_Test/train/   ,会直接省略 /home/sgg ，但如果在程序中省略的话是出错误的，所以这里的地址要是完整地址。

（2）由于我们在生成txt 文件时路径中包含了 “train” 与" val "，所以在 .sh 文件中写路径时去掉了train，将其路径定义为 /home/sgg/workspace/caffe_learn/scr/Data_Test/  ，TRAIN_DATA_ROOT所设定的值与 txt 文件中路径两者合起来是图像的整体路径。

5、VAL_DATA_ROOT

VAL_DATA_ROOT 表示待处理的验证数据，即 val 训练图像库所在位置,其要求与TRAIN_DATA_ROOT 相同。

4、验证生成的lmdb数据

通过运行上面的脚本，我们将得到文件夹train_lmdb\val_lmdb：

我们打开train_lmdb文件夹

并查看一下文件data.mdb数据的大小，如果这个数据包好了我们所有的训练图片数据，查一下这个文件的大小是否符合预期大小，如果文件的大小才几k而已，那么就代表你没有打包成功，估计是因为路径设置错误。

在生成过程中遇到了如下问题：

1、如果文件夹下含有lmdb格式的文件，那么生成时会出现错误，所以在生成之前需要对create_imagenet.sh 所在文件夹进行检查，删除之前的 lmdb 文件。代码中添加了代码，来辅助完成此检查：

 rm -rf $EXAMPLE/train_lmdb
 rm -rf $EXAMPLE/val_lmdb    #删除已存在的lmdb格式文件，若在已存在lmdb格式的文件夹下再添加lmdb文件，会出现错误

2、在生成lmdb过程中，出现   can not find or open  …//////.......jpg  这个错误时 ，这个错误中会给出相应的图像路径：

首先，查看路径是否正确，若路径不正确，则需要更改相应的图像路径。再运行，看问题是否解决。

若问题还没有解决，则检查train.txt中，路径和标签之间是否只有一个空格！

在一些程序中，在对图像加标签时，标签与路径之间的空格使用转义字符 “  \t  ”来生成，可是在生成txt中，路径与标签之间的距离往往多于一个空格，所以在生成标签文档时，程序中用空格代替转义字符 \t  。如下方程序所示：

 str1=img+' '+'1'+'\n'