參考部落格：
我們都知道，訓練網路的時候一般需要隨機打亂訓練樣本資料，因為我們是採用min-batch sgd 方法進行優化的，隨機打亂一定程度上可以防止陷入區域性最優，有利於網路收斂。
而caffe讀取資料時是乙個batch乙個batch順序讀取的，那它到底是用怎樣的機制實現shuffle的呢？
caffe的資料形式分leveldb, lmdb, image filelist, hdf5這幾種，我們可以從他們的實現原始碼中了解其shuffle機制，原始碼放在src/layers資料夾下：
data_layer.cpp, image_data_layer.cpp,windows_data_layer.cpp,hdf5_data_layer.cpp對於leveldb and lmdb格式，一般在生成的時候就打亂順序的了，然後caffe就順序讀取，並不再shuffle。
而filelist方式的話，caffe在每個epoch讀取前都會整個資料集shuffle一次（shuffle =true的話）。
hdf5也是在生成的時候自定義shuffle。
Caffe資料層及引數
一.資料層及引數 要執行caffe，需要先建立乙個模型 model 如比較常用的lenet,alex等，而乙個模型由多個屋 layer 構成，每一屋又由許多引數組成。所有的引數都定義在caffe.proto這個檔案中。要熟練使用caffe，最重要的就是學會配置檔案 prototxt 的編寫。層有很多...
caffe的資料層及引數
要執行caffe，需要先建立乙個模型 model 如比較常用的lenet,alex等，而乙個模型由多個屋 layer 構成，每一屋又由許多引數組成。所有的引數都定義在caffe.proto這個檔案中。要熟練使用caffe，最重要的就是學會配置檔案 prototxt 的編寫。層有很多種型別，比如dat...
Caffe學習系列 資料層及引數
要執行caffe，需要先建立乙個模型 model 如比較常用的lenet,alex等，而乙個模型由多個屋 layer 構成，每一屋又由許多引數組成。所有的引數都定義在caffe.proto這個檔案中。要熟練使用caffe，最重要的就是學會配置檔案 prototxt 的編寫。層有很多種型別，比如dat...