本文主要是介绍caffe中deploy文件中的input_shape的dim：10dim：3dim：32dim：32，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
deploy 文件中的数据层更为简单
layer {name: "data"type: "Input"top: "data"input_param { shape: { dim: 10 dim: 3 dim: 32 dim: 32 } }
} 注：shape: { dim: 10 dim: 3 dim: 32 dim: 32 }代表含义：
shape {
dim: 10 #num，对待识别样本进行数据增广的数量，可自行定义。一般会进行5次crop，之后分别flip。如果该值为10则表示一个样本会变成10个，之后输入到网络进行识别。如果不进行数据增广，可以设置成1
dim: 3 #通道数，表示RGB三个通道
dim: 32 #图像的长和宽，通过 *_train_test.prototxt文件中数据输入层的crop_size获取
dim: 32
dim: 10 #num，对待识别样本进行数据增广的数量，可自行定义。一般会进行5次crop，之后分别flip。如果该值为10则表示一个样本会变成10个，之后输入到网络进行识别。如果不进行数据增广，可以设置成1
dim: 3 #通道数，表示RGB三个通道
dim: 32 #图像的长和宽，通过 *_train_test.prototxt文件中数据输入层的crop_size获取
dim: 32
详细解释：
dim:10 ——表示对待识别样本进行数据增广的数量，该值的大小可自行定义。但一般会进行5次crop，将整幅图像分为多个flip。该值为10则表示会将待识别的样本分为10部分输入到网络进行识别。如果相对整幅图像进行识别而不进行图像数据增广，则可将该值设置为1.
dim:3 ——该值表示处理的图像的通道数，若图像为RGB图像则通道数为3，设置该值为3；若图像为灰度图，通道数为1则设置该值为1.
dim:32 ——图像的长度，可以通过网络配置文件中的数据层中的crop_size来获取。
dim:32——图像的宽度，可以通过网络配置文件中的数据层中的crop_size来获取。
这篇关于caffe中deploy文件中的input_shape的dim：10dim：3dim：32dim：32的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
