生成lmdb格式的數據包

一直做人臉識別，所以幾乎沒怎麼再使用lmdb格式的數據，但是最近要訓練人臉檢測，然後不得不使用lmdb格式的數據包，然後悲慘的是我竟然忘記了怎樣使用/(ㄒoㄒ)/~~；

所遇到的麻煩列舉:

1，python 中的參數解析問題（因爲我使用caffe工程中的create_annoset.py）

2，create_annoset.py中提示沒有caffe；

首先講一講python中的參數解析問題（直接看create_annoset.py中源碼）：

parser = argparse.ArgumentParser(description="Create AnnotatedDatum database")
  parser.add_argument("root",
      help="The root directory which contains the images and annotations.")
  parser.add_argument("listfile",
      help="The file which contains image paths and annotation info.")
  parser.add_argument("outdir",
      help="The output directory which stores the database file.")
  parser.add_argument("exampledir",
      help="The directory to store the link of the database files.")
  parser.add_argument("--redo", default = False, action = "store_true",
      help="Recreate the database.")
  parser.add_argument("--anno-type", default = "classification",
      help="The type of annotation {classification, detection}.")
  parser.add_argument("--label-type", default = "xml",
      help="The type of label file format for detection {xml, json, txt}.")
  parser.add_argument("--backend", default = "lmdb",
      help="The backend {lmdb, leveldb} for storing the result")
  parser.add_argument("--check-size", default = False, action = "store_true",
      help="Check that all the datum have the same size.")
  parser.add_argument("--encode-type", default = "",
      help="What type should we encode the image as ('png','jpg',...).")
  parser.add_argument("--encoded", default = False, action = "store_true",
      help="The encoded image will be save in datum.")
  parser.add_argument("--gray", default = False, action = "store_true",
      help="Treat images as grayscale ones.")
  parser.add_argument("--label-map-file", default = "",
      help="A file with LabelMap protobuf message.")
  parser.add_argument("--min-dim", default = 0, type = int,
      help="Minimum dimension images are resized to.")
  parser.add_argument("--max-dim", default = 0, type = int,
      help="Maximum dimension images are resized to.")
  parser.add_argument("--resize-height", default = 0, type = int,
      help="Height images are resized to.")
  parser.add_argument("--resize-width", default = 0, type = int,
      help="Width images are resized to.")
  parser.add_argument("--shuffle", default = False, action = "store_true",
      help="Randomly shuffle the order of images and their labels.")
  parser.add_argument("--check-label", default = False, action = "store_true",
      help="Check that there is no duplicated name/label.")

這麼長一串參數解析，按道理是按照自己需要的填好就可以了，但是這麼多參數是不是多需要填寫了？又在哪裏填寫了，按什麼方式填寫？

第一個問題：是不是都要填寫？經過調試代碼，發現沒有defalut值的是一定要填寫的，然後就是根據自己設置的參數情況來進行填寫。

第二個問題：python代碼在調試時怎樣填寫參數？以下是pycharm中填寫參數的方式：

可以看到紅色的圈圈中有個三角符號，點擊這個三角符號，就可以看到“Edit Configurations",然後點選“Edit Configurations"，就可以進入以下界面：

在紅色框中填寫參數就可以了。

第三個問題填寫的方式是怎樣的？

以下是我填寫的前四個參數，分別對應"root","listfile","outdir","exampledir",

然後如果需要修改部分有默認參數的參數，填寫如下：

以上是參數解析遇到的問題：

然後是運行create_annoset.py中提示沒有caffe的問題

這個處理方法主要有兩個：

1）在from caffe.proto import caffe_pb2前鏈接上caffe，

import sys
sys.path.insert(0,'/home/XXXXX/sdb/Caffe_Project_Train/caffe-ssd/python')

2）將caffe_root = os.path.dirname(os.path.dirname(os.path.realpath(__file__)))

caffe_root = "/home/XXXXX/sdb/Caffe_Project_Train/caffe-ssd"