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：
方法一：
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。
方法二：
通过代码将lmdb中的图像信息显示出来，即通过Python代码，将lmdb中的图像在重塑出来，同时也可以观察到图像的信息。具体代码如下：
#coding:utf-8
'''
Created on Aug 9, 2016
@author: sgg
'''
#加载必要的库
import matplotlib.pyplot as plt
import sys
from caffe.proto import caffe_pb2
import lmdb
import numpy
# 编写一个函数，将二进制的均值转换为python的均值
def read_lmdb(path,visualize = False):
env = lmdb.open(path,readonly=True)
x=[]
y=[]
with env.begin() as txn:
cursor = txn.cursor()
for key,value in cursor:
print 'key:',key
datum = caffe_pb2.Datum()#datum类型
#转换维datum
datum.ParseFromString(value)
#转换成numpy
#flat_x=numpy.fromstring(datum.dta,dtype=numpy.uint8)
flat_x=numpy.array(bytearray(datum.data))
#reshape大小
img_data = flat_x.reshape(datum.channels,datum.height,datum.width)
#读取datum数据
print img_data.shape
x.append(img_data)
y.append(datum.label)
if visualize:
img_data=img_data.transpose([1,2,0])
img_data = img_data[:,:,::-1]
plt.imshow(img_data)
plt.show()
print datum.label
#调用read_lmdb
read_lmdb("/home/sgg/Downloads/caffe-master/examples/sgg_datas/train_lmdb",True)
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'
将文件中的路径换成绝对路径，在尝试。