我正在尝试使用caffe构建用于显着性分析的深度学习模型(我正在使用python包装器)。但我无法理解如何为此目的生成lmdb数据结构。我已经浏览了Imagenet和mnist示例，我明白我应该以格式生成标签my_test_dir/picture-foo.jpg0但在我的例子中，我将用0或1标记每个像素，以指示该像素是否显着。这不会是图像的单个标签。如何为基于每个像素的标记生成lmdb文件？ 最佳答案 您可以通过两种方式解决此问题:1.使用HDF5数据层代替LMDB。HDF5更灵活，可以支持标注图像大小。可以看到thisanswer

使用lmdb库的可执行文件是64位linux格式。因为可执行文件的依赖库是64位的。将可执行文件和lmdb库构建为32位解决方案是不可能的。有什么方法可以强制64位lmdb库生成32位lmdb数据库。我需要这个32位数据库文件，因为生成的数据库将导出到32位设备。注意:在64位机器上生成的数据库在32位机器上不起作用。 最佳答案 我猜，在32位lmdb上使用64位数据库很难甚至不可能，因为lmdb基于内存映射。因此，需要了解底层数据格式的转换器。此链接TheLMDBfileformat似乎是一个好的开始。一个廉价的替代方案似乎是将文

我使用caffe提取了特征，它会生成一个.mdb文件。然后我尝试使用Python读取它并将其显示为可读数字。importlmdblmdb_env=lmdb.open('caffefeat')lmdb_txn=lmdb_env.begin()lmdb_cursor=lmdb_txn.cursor()forkey,valueinlmdb_cursor:printstr(value)这会打印出很长的一行不可读的损坏字符。然后我尝试打印int(value)，它返回以下内容:ValueError:invalidliteralforint()withbase10:'\x08\x80\x10\x01