Caffe Tutorial : 7.Data (Kor)

데이터 : 들어오는 것과 나가는 것들 (Data: Ins and Outs)

데이터는 Blob로써 카페를 통해 흘러간다. 데이터 계층은 Blob부터 다른 형태까지로 그리고 전환함에 의해 입력을 읽고 출력을 저장한다. 피쳐 스케일링(feature-scaling)과 평균-뺄셈(mean-subtraction)같은 일반 변환들은 데이터 계층 구성에 의해 이루어진다. 새로운 입력 형태들은 새로운 데이터 계층을 개발함에의해 지원 받는데 이는 카페 계층 카탈로그의 모듈성에 의해 따라가는 망의 일부이다.

이러한 데이터 계층 정의는 MNIST수를 불러온다.

layer {
  name: "mnist"
  # 데이터 계층은 높은 처리량을 위해 leveldb 나 lmdb 데이터 베이스 저장소를 불러온다.
  type: "Data"
  # 첫 번째 top은 데이터 그 자체이다 : 이름은 오직 convention이다.
  top: "data"
  # 두번째 top은 실측 자료이다 : 이름은 오직 convention이다.
  top: "label"
  # 데이터 계층 구성
  data_param {
    # DB경로
    source: "examples/mnist/mnist_train_lmdb"
    # DB 타입 : LEVELDB 나 LMDB (LMDB는 공존하는 읽기, 동시 읽기를 지원해준다.)
    backend: LMDB
    # 집단 프로세싱은 효율성을 개선한다.
    batch_size: 64
  }
  # 일반 데이터 변환
  transform_param {
    # 피쳐 스케일링 계수 : 이것은 [0, 255] MNIST data을 [0, 1]에 맵핑한다.
    scale: 0.00390625
  }
}

Tops and Bottoms : 데이터 계층은 모델에 출력 데이터에 top blob를 만든다. 이것은 어떠한 입력도 취하지 않기 때문에 bottom blob를 가지지 않는다.

Data and Label : 데이터 계층은 기본적으로 데이터라는 이름의 최소 하나의 top을 가진다. 실측 자료에 대하여 두번째 top는 기본적으로label이라는 이름으로 정의될 수 이싿. 양 쪽 모두 top들은 간단히 blob를 생산하고 이러한 이름에 대하여 타고난 특별할 것은 없다. (data, label)ㅆ 쌍은 분류화 모델 (classification models)에 대한 편의성을 가지고 있다.

Transformations : 데이터 처리는 데이터 계층 정의안에서 변환 메세지에 의해 파라미터화 되어진다.

layer {
  name: "data"
  type: "Data"
  [...]
  transform_param {
    scale: 0.1
    mean_file_size: mean.binaryproto
    # 랜덤 크롭핑(크롭핑 : 사진이나 그림을 편집할 때 원하는 크기에 맞도록 그 사이즈를 조절하는 것.)이나 특정한 좌우대칭에서 이미지에 대하여
    # 간단한 데이터 증가로써 되어질 수 있다.
    mirror: 1  # 1 = on, 0 = off
    # crop a `crop_size` x `crop_size` patch:
    # - 학습 중에 랜덤적으로
    # - 테스팅 중에서 중에서 부터
    crop_size: 227
  }
}

Prefetching : 처리량에 대하여 데이터 계층은 데이터의 다음 일회 처리량을 데려오고 망이 현재 일회 처리량을 연산하는동안 백그라운드에서 준비를해둔다.

Multiple Inputs : 망은 어떤 수 그리고 형태의 다중 입력을 지닌다. 각 특별한 이름과 top을 줌으로써 많은 데이터 계층들을 정의하라. 다중 입력들은 사소하지 않은 실측 자료에 대하여 사용하기 좋다. : 하나의 데이터 계층은 실제 데이터를 불러오고 다른 계층은 정확히 같은 방식으로 실측 자료를 불러온다. 이러한 준비에서 양쪽 데이터와 라벨은 4D 배열로 될 수 있다. 그럴지라도 다중 입력의 응용은 연속 모델과 다중모델에서 발견될 수 있다. 이러한 경우에는 당신의 자신만의 데이터 준비 순서나 특별한 데이터 계층을 수행해야할 필요가 있을지 모른다.

데이터 처리를 수행하는 데 구성방식, 일반론, 아니면 도움되는 유틸리티를 추가하는 것이 좋다!

구성방식 (Formats)

각 Data의 타입에 대한 Caffe 이해를 더 다가가기 위해 데이터계층 의 계층 카탈로그을 보라.

입력 배치 (Deployment Input)

상황에 다른 연산을 위해 망 배치는 입력 필드에 의해 이들의 입력을 정의한다. : 이러한 망들은 그러고나서 온라인이나 상호적인 연산을 위해 데이터의 직접 등록을 받아들인다

튜토리얼 메뉴로 돌아가기