如何使用python創建LMDB文件

直接使用如下的代码（在ipython下面使用）：

import numpy as np

import os

import matplotlib.pyplot as plt

import lmdb

from PIL import Image

import random

import sys

# import caffe module

caffe_root = '/home/henglan/Desktop/caffe-hybridnet/'

sys.path.insert(0, caffe_root + 'python')

import caffe

# read file

train_file = open('train.txt')

inputs_data_train = train_file.readlines()

train_file.close()

print("Creating Training Data LMDB File ..... ")

in_db = lmdb.open('Train_Data_lmdb',map_size=int(1e12))

with in_db.begin(write=True) as in_txn:

for in_idx, in_ in enumerate(inputs_data_train):

# print in_idx

in_ = in_.strip()

im = np.array(Image.open(in_))

Dtype = im.dtype

if len(im.shape) == 2:

print('here')

(row, col) = im.shape

im3 = np.zeros([row, col, 3], Dtype)

for i in range(3):

im3 [:, :, i] = im

im = im3

print('here')

im = im[:,:,::-1]

im = Image.fromarray(im)

im = np.array(im,Dtype)

im = im.transpose((2,0,1))

im_dat = caffe.io.array_to_datum(im)

in_txn.put('{:0>10d}'.format(in_idx),im_dat.SerializeToString())

in_db.close()

# read file

label_file = open('label.txt')

inputs_data_label = label_file.readlines()

label_file.close()

print("Creating Training Label LMDB File ..... ")

in_db1 = lmdb.open('Label_Data_lmdb',map_size=int(1e12))

with in_db1.begin(write=True) as in_txn:

for in_idx, in_ in enumerate(inputs_data_label):

in_ = in_.strip()

Dtype = 'uint8'

L = np.array(Image.open(in_), Dtype)

Limg = Image.fromarray(L)

L = np.array(Limg,Dtype)

L = L.reshape(L.shape[0],L.shape[1],1)

L = L.transpose((2,0,1))

L_dat = caffe.io.array_to_datum(L)

in_txn.put('{:0>10d}'.format(in_idx),L_dat.SerializeToString())

in_db1.close()

print("Finish creating lmdb file ......")

Ubuntu 14.04 64位机上用Caffe+MNIST训练Lenet网络 *** 作步骤1.将终端定位到Caffe根目录；

2.下载MNIST数据谈兆虚库并解压缩：$ ./data/mnist/get_mnist.sh

3.将其转换成Lmdb数据库格式：$ ./examples/mnist/create_mnist.sh

执行完此shell脚本后，会在./examples/mnist下增加两个新目录，mnist_test_lmdb和mnist_train_lmdb

4.train model：含燃$ ./examples/mnist/train_lenet.sh

(1)、使用LeNet网络(《Gradient-BasedLearning Applied to Document Recognition》)；

(2)、使用./examples/mnist/lenet_train_test.prototxtmodel；

(3)、使用./examples/mnist/lenet_solver.prototxtmodel；

(4)、执行train_lenet.sh脚本，会调用./build/tools目录下的caffe执行文件，此猜孝执行文件的实现是./tools目录下的caffe.cpp文件；

(5)、执行此脚本后，会生成几个文件，其中./examples/mnist/lenet_iter_10000.caffemodel则是最终训练生成的model文件；

(6)、以上默认的是在GPU模式下运行，如果想让其在CPU模式下运行，只需将lenet_solver.prototxt文件中的solver_mode字段值由原来的GPU改为CPU即可。

---