कैफे हमारे द्वारा उपयोग की जाने वाली इनपुट परत के आधार पर कई प्रकार के इनपुट ले सकता है। इनपुट विधियों कि उपलब्ध हैं से कुछ हैं:
- डाटा
- MemoryData
- HDF5Data
- ImageData आदि
मॉडल फ़ाइल में, पहले ही परत है कि आप पाते हैं Layer type: Data होगा, जो इनपुट विधि के रूप में lmdb or leveldb का उपयोग किया गया था। इन डेटाबेस में छवियों के एक सेट का रूपांतरण बहुत आसान है क्योंकि कैफे पहले से ही छवियों को बदलने के लिए टूल प्रदान करता है।
Layer type: MemoryData सीधे स्मृति से डेटा पढ़ता है, जो टेस्ट चरण के दौरान कैफे इनपुट के रूप में पारित होने के लिए कैमरा इनपुट का उपयोग करते समय बेहद सहायक होगा। प्रशिक्षण के लिए इस परत का उपयोग अत्यधिक अनुशंसित नहीं है।
Layer type: ImageData इनपुट के रूप में एक टेक्स्ट फ़ाइल लेता है। टेक्स्ट फ़ाइल में उनके पूर्ण पथ और कक्षा संख्या के साथ सभी छवि नाम शामिल हैं। इस परत में छवियों को पढ़ने के लिए कैफे ओपनसीवी का उपयोग करता है। यह छवि में सभी परिवर्तनों का भी ख्याल रखता है। इस प्रकार छवि को पढ़ने के लिए OpenCV का उपयोग करने के बजाय और मेमोरीडेटा परत पर जाने के बजाय, ImageData का उपयोग करने की अनुशंसा की जाती है।
.txt का स्वरूप है जहाँ से ImageData परत पढ़ता चित्र होना चाहिए:
/path/to/the/image/imageName.jpg classNumber LMDB या LevelDB की
उपयोग अत्यधिक अनुशंसा की जाती है क्योंकि छवि पथ या नाम में रिक्त स्थान होते हैं, या जब कोई भी छवि भ्रष्ट होती है तो ImageData को अच्छी तरह से काम करने की आवश्यकता नहीं होती है।
विभिन्न परतों का विवरण here पाया जा सकता है।
मॉडल और बैच आकार के आधार पर जीपीयू में मेमोरी आवंटित की जाती है। अगर मेमोरी ओवरफ्लो होता है, तो आप बैच आकार को कम करने का प्रयास कर सकते हैं। कैफी ने आसानी से 1.2 मिलियन छवियों के इमेजनेट डेटाबेस को प्रशिक्षण दिया। इस प्रकार एक इष्टतम बैच आकार के साथ, एल्गोरिदम किसी भी मुद्दे के बिना काम करना चाहिए।
स्रोत
2015-10-16 21:44:24
मेमोरीडाटा का उपयोग प्रशिक्षण में क्यों नहीं किया गया? एलएमडीबी और इमेजडाटा से पढ़ने में भी कोई गति अंतर है? – mrgloom
शुरुआती लोगों के लिए मेमोरीडाटा की अनुशंसा नहीं की जाती है क्योंकि प्रशिक्षण अपेक्षाकृत प्रगति नहीं कर रहा है, तो इससे चीजें मुश्किल हो सकती हैं। छवि पर किए गए परिवर्तनों को मेमोरीडेटा परत से हटा दिया जा रहा है, जिसका अर्थ है, मेमोरीडेटा का उपयोग करने के लिए भविष्य में रिलीज में, मतलब छवि घटाव, क्रॉपिंग, आकार बदलने आदि को डेटाडेटा परत में डेटा पास करने से पहले बाहर किया जाना है। –