參考文章：
有些時候，我們的輸入不是標準的影象，而是其它一些格式，比如：頻譜圖、特徵向量等等，這種情況下lmdb、leveldb以及imagedata layer等就不好使了，這時候我們就需要乙個新的輸入介面——hdf5data.
這裡直接以例子的形式說明如何生成：
1、手寫體的資料集
%讀完後，labels為乙個50000*1的陣列；
labels = loadmnistlabels('trainlabelsidx1ubyte');
% reshape images to 4d:
[rows,col,channel,numbers]
traindata=reshape(images,[28 28 1 size(images,2)]);
% permute to [cols,rows,channel,numbers]
traindata=permute(traindata,[2 1 3 4]);
% permute lables to [labels, number of labels ]
trainlabels=permute(labels,[2,1]);
% create database
%注意，這是的/data與/label表示檔案裡的dataset.當我們定義.proto檔案的網路時，一定要注意：top：分別也要為data和label.
h5create('train.hdf5','/data',size(traindata),'datatype','double');
h5create('train.hdf5','/label',size(trainlabels),'datatype','double');
h5write('train.hdf5','/data',traindata);
h5write('train.hdf5','/label',trainlabels);
% same for test data
哦；
>> h5disp('train.hdf5')
hdf5 train.hdf5
group '/'
dataset 'data'
size: 256x1x1x200
maxsize: 256x1x1x200
datatype: h5t_ieee_f64le (double)
chunksize:
filters: none
fillvalue: 0.000000
dataset 'label'
size: 1x200
maxsize: 1x200
datatype: h5t_ieee_f64le (double)
chunksize:
filters: none
fillvalue: 0.000000
layer
hdf5_data_param
注意：第一，再生成hdf5檔案時，一定要注意陣列的維度關係，很敏感的，如，把1*50000寫為了50000*1肯定會出錯
的。在caffe中，資料都是以4維出現的。（我記得python與matlab裡的維度是正反的，python與c語言中都是
rowmajor, matlab中是 columnmajor,
相應的就是， matlab是一組維度中，左邊的數字變化最快，，而
python中為右邊。好像是這樣的）
第二，生成的hdf5的dataset的名稱一定要與你後面定義的.proto檔案裡的data層的top:後面的名稱（即輸出的
名稱）一樣啊，要不出錯，找不到資料的）。
第三，在定義.proto檔案裡的data層時注意，hdf5_data_param的source不要直接寫我們生成的hdf5檔案的路
徑，而是寫乙個.txt檔案的，並在.txt檔案裡寫入你生成的hdf5檔案的路經，乙個hdf5檔案路徑佔一行，一定要
這樣哦。原因是因為，我們可以要讀入多個hdf5檔案，所以要這樣寫哦。
第四，生成的hdf5檔案一般都很大，如果是的話，可以很多的，hdf5data layer不能按照batch來從磁碟上
讀取資料，只能一次性把所有資料從h5檔案中讀到記憶體中，如果出錯了，很可以你的記憶體不夠了哦；
第五，hdf5data layer不支援預處理功能。
2 問題：輸入data是512*1的向量，共1000個樣本，label是標量。
**如下：
% 建立hdf5檔案，包含data和label兩個變數，資料型別是caffe支援的float型資料
h5create('train.h5','/data',[1
1512
1000],'datatype','single');
h5create('train.h5','/label',[111
1000],'datatype','single');
%reshape: width x height x channels x num，注意matlab讀資料是列優先，是和c++裡面相反的。所以寫資料的時候也要倒著寫。
train_data = reshape(train_data,[1
1512
1000]);
train_label = reshape(train_label,[111
1000]);
h5write('train.h5' ,'/data' , single(train_data));
h5write('train.h5' ,'/label', single(train_label));
注意：由於單個hdf5檔案大小有限制，matlab下好像最大只能生成5g大小的檔案，因此當我們的訓練資料較多的時候，往往需要將資料分別寫入多個h5檔案中。
下面直接給出caffe中hdf5data-layer的使用示例：
layer
hdf5_data_param
}
train1.h5
train2.h5
...
HTML5中的data 屬性
data 屬性包括兩部分 屬性名不應該包含任何大寫字母，並且在字首 data 之後必須有至少乙個字元 屬性值可以是任意字串 注釋 使用者 會完全忽略字首為 data 的自定義屬性。與jquery的.data 不是乙個概念。在獲取自定義屬性的值時，使用dataset屬性，然後通過自定義屬性 這時去掉d...
網路傳輸7層，4層，5層模型
一 7層 二 5層 5層只是osi和tcp ip的綜合，是業界產生出來的非官方協議模型，但是很多具體的應用。實際應用還是tcp ip的四層結構。為了方便可以把下兩層稱為網路介面層。五層體系結構包括 應用層 運輸層 網路層 資料鏈路層和物理層。5層模型不展開講解，內容和功能參照7層的，這裡把3者做乙個...
HTML5自定義data屬性
可能大家在使用jquery mobile時，經常會看到data role data theme等的使用，比如 通過如下 即可實現頁首的效果 通過手機瀏覽，效果如下 為什麼寫乙個data role header 就能實現底部為黑色 文字居中顯示的效果呢？我們寫乙個html頁面，自定義乙個data ch...