如何编写带有预加载的caffe python数据层？

如何编写异步数据层以在执行其他处理时预加载批次？有一些示例代码吗？谢谢

有多种方法可以实现您想要的目标。我将尝试在这里勾勒出一种选择。

系统的总体视图是：你有n Loader异步加载数据并送入队列。然后该层读取batch_size队列中的项目并送入网络forward()功能。

import caffe, multiprocessing

class Loader(multiprocessing.Process):
  def __init__(self, outq, *args, **kwargs):
    super(Loader, self).__init__()
    self.daemon = True
    self.outq = outq
    self.start()  # start working

  def run(self):
    while True:  # read and never stop at all!
      try:
        # do your magic here
        # assuming you load x,y pairs
        self.outq.put((x[None, ...], y[None, ...]))  # add singleton "batch" dimension
      except Exception as e:
        # handle errors?
        pass

 class MultiProcessInputLayer(caffe.Layer):
   def setup(self, bottom, top):
     # verify no bottoms, right number of tops etc.
     self.dataQ = multiprocessing.Queue()
     for _ in xrange(n):
       Loader(self.dataQ)  # start n Loaders
     # some other stuff here...

   def reshape(self, bottom, top):
     # reshape the inputs to the right sizes

   def forward(self, bottom, top):
     for i in xrange(batch_size):
       item = self.dataQ.get()
       top[0].data[i, ...] = item[0]
       top[1].data[i, ...] = item[1]

   def backward(self, top, propagate_down, bottom):
     pass  # no backward for data layer

我通过艰难的方式学到的一些提示和技巧：
1. Use multiprocessing并不是threading包因为GIL.
2. 有时（例如，如果batch_size非常大）需要很长时间forward()从队列中逐项读取以形成每个批次。在这种情况下，您可以添加另一个multiprocessing.Process这将异步读取batch_size物品来自self.dataQ并将整批写入self.batchQ. Then forward()只会等待一个single项目来自self.batchQ每次通话时。
3. 注意不要复制太多数据。使用大图像/标签可能会使所有这些复制成为瓶颈。