caffe:create_txt.sh（数据预处理成txt文本文件）

6.caffe:create_txt.sh（数据预处理成txt文本文件）

1 #!/usr/bin/env sh
2 DATA=/home/wp/CAFFE/caffe-master/myself/00b
3 MY=/home/wp/CAFFE/caffe-master/myself/00b
4
5 echo "Creating train.txt..."
6 rm -rf $MY/train.txt
7 find $DATA/train/banana -name *.jpg| cut -d/ -f9-10 | sed "s/$/ 0/">>$MY/train.txt
8 find $DATA/train/cata   -name *.jpg| cut -d/ -f9-10 | sed "s/$/ 1/">>$MY/train.txt
9 find $DATA/train/flower -name *.jpg| cut -d/ -f9-10 | sed "s/$/ 2/">>$MY/train.txt
10
11 echo "Creating val.txt..."
12 rm -rf $MY/val.txt
13 find $DATA/val/banana  -name *.jpg| cut -d '/' -f9-10 | sed "s/$/ 0/">>$MY/val.txt
14 find $DATA/val/cata    -name *.jpg| cut -d '/' -f9-10 | sed "s/$/ 1/">>$MY/val.txt
15 find $DATA/val/flower  -name *.jpg| cut -d '/' -f9-10 | sed "s/$/ 2/">>$MY/val.txt
16
17 echo "Done."
18
19 # cd CAFFE/caffe-master
20 # sh ./myself/00b/create_txt.sh

结果会在：home/wp/CAFFE/caffe-master/myself/00b目录下生成train.txt,val.txt

参考一：
在深度学习的实际应用中，我们经常用到的原始数据是图片文件，如jpg,jpeg,png,tif等格式的，而且有可能图片的大小还不一致。而在caffe中经常使用的数据类型是lmdb或leveldb，因此就产生了这样的一个问题：如何从原始图片文件转换成caffe中能够运行的db（leveldb/lmdb)文件？前面文章有学习过着个数据由来和使用。
在caffe中，作者为我们提供了这样一个文件：convert_imageset.cpp，存放在根目录下的tools文件夹下。编译之后，生成对应的可执行文件放在 buile/tools/ 下面，这个文件的作用就是用于将图片文件转换成caffe框架中能直接使用的db文件。
该文件的使用格式：

convert_imageset [FLAGS] ROOTFOLDER/ LISTFILE DB_NAME  

convert_imageset [FLAGS] ROOTFOLDER/ LISTFILE DB_NAME

需要带四个参数：
FLAGS: 图片参数组，后面详细介绍
ROOTFOLDER/: 图片存放的绝对路径，从linux系统根目录开始
LISTFILE: 图片文件列表清单，一般为一个txt文件，一行一张图片
DB_NAME: 最终生成的db文件存放目录
如果图片已经下载到本地电脑上了，那么我们首先需要创建一个图片列表清单，保存为txt
本文以caffe程序中自带的图片为例，进行讲解，图片目录是  example/images/, 两张图片，一张为cat.jpg, 另一张为fish_bike.jpg，表示两个类别。
我们创建一个sh脚本文件，调用linux命令来生成图片清单：

# sudo vi examples/images/create_filelist.sh  

编辑这个文件,输入下面的代码并保存

# /usr/bin/env sh  

DATA=examples/images  

echo "Create train.txt..."  

rm -rf $DATA/train.txt  

find $DATA -name *cat.jpg | cut -d '/' -f3 | sed "s/$/ 1/">>$DATA/train.txt  

find $DATA -name *bike.jpg | cut -d '/' -f3 | sed "s/$/ 2/">>$DATA/tmp.txt  

cat $DATA/tmp.txt>>$DATA/train.txt  

rm -rf $DATA/tmp.txt  

echo "Done.."  

这个脚本文件中，用到了rm,find, cut, sed,cat等linux命令。
rm: 删除文件
find: 寻找文件
cut: 截取路径
sed: 在每行的最后面加上标注。本例中将找到的*cat.jpg文件加入标注为1，找到的*bike.jpg文件加入标注为2
cat: 将两个类别合并在一个文件里。
最终生成如下的一个train.txt文件：

cat.jpg 1
fish-bike.jpg 2

当然，图片很少的时候，手动编写这个列表清单文件就行了。但图片很多的情况，就需要用脚本文件来自动生成了。在以后的实际应用中，还需要生成相应的val.txt和test.txt文件，方法是一样的。
生成的这个train.txt文件，就可以作为第三个参数，直接使用了。
接下来，我们来了解一下FLAGS这个参数组，有些什么内容：
-gray: 是否以灰度图的方式打开图片。程序调用opencv库中的imread()函数来打开图片，默认为false
-shuffle: 是否随机打乱图片顺序。默认为false
-backend:需要转换成的db文件格式，可选为leveldb或lmdb,默认为lmdb
-resize_width/resize_height: 改变图片的大小。在运行中，要求所有图片的尺寸一致，因此需要改变图片大小。 程序调用opencv库的resize（）函数来对图片放大缩小，默认为0，不改变
-check_size: 检查所有的数据是否有相同的尺寸。默认为false,不检查
-encoded: 是否将原图片编码放入最终的数据中，默认为false
-encode_type: 与前一个参数对应，将图片编码为哪一个格式：‘png','jpg'......
 
 稍微解释一下:
find . -name * cat.jpg用于查找文件，得到./cat.jpg格式的数据。之后用cut -d 和-f来得到后面的cat.jpg的字符串。-d后面加上切分标志，得到一个(.)和一个(cat.jpg),-f2 表示取cat.jpg。sed主要是用于处理文件的一行用的，“s/$/ 1”表示把每行文件的后面替换成为空格+1的模式。"s/a/b/"g用于把a换成b。cat
A>>B用于把A文件的内容添加到B的后面。最终得到的文件如下:
cat.jpg 1
fish-bike.jpg 1
参考二：
 
我去网上找了一些其它的图片来代替，共有500张图片，分为大巴车、恐龙、大象、鲜花和马五个类，每个类100张。需要的同学，可到我的网盘下载：http://pan.baidu.com/s/1nuqlTnN
 
编号分别以3，4，5，6，7开头，各为一类。我从其中每类选出20张作为测试，其余80张作为训练。因此最终训练图片400张，测试图片100张，共5类。我将图片放在caffe根目录下的data文件夹下面。即训练图片目录：data/re/train/ ,测试图片目录: data/re/test/
首先，在examples下面创建一个myfile的文件夹，来用存放配置文件和脚本文件。然后编写一个脚本create_filelist.sh，用来生成train.txt和test.txt清单文件

# sudo mkdir examples/myfile
# sudo vi examples/myfile/create_filelist.sh

编辑此文件，写入如下代码，并保存

 

#!/usr/bin/env sh
DATA=data/re/
MY=examples/myfile
echo "Create train.txt..."
rm -rf $MY/train.txt
for i in 3 4 5 6 7
do
find $DATA/train -name $i*.jpg | cut -d '/' -f4-5 | sed "s/$/ $i/">>$MY/train.txt
done
echo "Create test.txt..."
rm -rf $MY/test.txt
for i in 3 4 5 6 7
do
find $DATA/test -name $i*.jpg | cut -d '/' -f4-5 | sed "s/$/ $i/">>$MY/test.txt
done
echo "All done"

 

然后，运行此脚本

# sudo sh examples/myfile/create_filelist.sh

成功的话，就会在examples/myfile/ 文件夹下生成train.txt和test.txt两个文本文件，里面就是图片的列表清单。