im2rec.py是MXNet提供的一个将图片转为rec文件的工具。 当训练数据包含大量图片的时候，一次性将所有数据载入内存很容易导致out of memory。使用rec文件和MXNet提供的 ImageRecordIter或ImageIter迭代器，可以按批次读取数据到内存，且读取图片更加简单方便。本文将介绍.lst,.rec文件的生成、多标签文件的处理，ImageRecordIter和ImageIter迭代器的使用以及比较。
Platform: Ubuntu 16.04
MXNet: 0.11.0
制作.lst文件
首先需要下载mxnet，找到tools文件夹的im2rec.py文件，我的是
/home/username/mxnet/tools/im2rec.py然后需要准备图片数据，放入test_img文件夹中。
提示：最好将图片统一size，避免使用ImageRecordIter时将图片裁剪。
执行命令
python /home/username/mxnet/tools/im2rec.py --list=1 my_test test_img--list=1表示制作.lst而不是.rec文件。
my_test是.lst的文件名。
test_img是图片所在文件夹。
更多参数设置参考文档。
运行完毕后打开my_test.lst，格式如下
1 0.000000 xxxx.jpg
0 0.000000 xxxx.jpg
...每列之间都是\t分隔。
第一列数字是编号，第二列是标签，第三列是文件名。
此处因为只有一个图片文件夹，因此其标签分类只有一个，即0。现实情况是多个文件夹存放不同分类的图片，im2rec会根据不同文件夹生成不同的标签。例如Caltech 101数据集：
生成的.lst文件为
3073 6.000000 airplanes/image_0684.jpg
7167 69.000000 okapi/image_0017.jpg
6153 52.000000 ibis/image_0073.jpg
7761 81.000000 scissors/image_0005.jpg
7792 81.000000 scissors/image_0036.jpg
...6对应的分类为airplanes。详见【MXNet官方教程5】Iterators-加载数据。
如果图片为多标签数据，需要手动修改第二列。参见本文后面部分。
制作.rec文件
有了.lst文件后，直接生成.rec文件：
python /home/username/mxnet/tools/im2rec.py --num-thread=4 my_test.lst test_img更多参数参考文档。
在当前目录下生成了my_test.idx和my_test.rec两个文件。接下来就可以从.idx和.rec文件中读取图片了。
使用ImageRecordIter加载数据
在【MXNet官方教程5】Iterators-加载数据中介绍过使用方法，这里再解释一下。
data_iter = mx.image.ImageRecordIter(batch_size=4,
resize=30,
data_shape=(3, 30, 60),# depth,height,width
path_imgrec="./xxx/my_test.rec",
path_imgidx="./xxx/my_test.idx" )
data_iter.reset()
batch = data_iter.next()
data = batch.data[0]
for i in range(4):
plt.subplot(1,4,i+1)
plt.imshow(data[i].asnumpy().astype(np.uint8).transpose((1,2,0)))
plt.show()data_shape：图片的size，前文中提到最好将图片size统一。如果不统一，ImageRecordIter将按照data_shape对图片裁剪，可能丢失图片信息。
resize：当图片短边小于data_shape时，resize成给定大小。
更多参数配置参考文档。
一个错误
what(): [15:45:50] src/io/image_aug_default.cc:300: Check failed:
static_cast<index_t>(res.rows) >= param_.data_shape[1] &&
static_cast<index_t>(res.cols) >= param_.data_shape[2]
input image size smaller than input shape原因是resize值小于图片实际长度。
多标签图片.rec制作
一些场景比如目标检测下，一张图片有多个标签(bbox)。需要修改.lst文件为以下格式：
46330 1 0.1 0.1 0.3 0.3 xxxx.jpg
213723 2 1.1 1.1 1.3 1.3 xxxx.jpg
173090 3 2.1 2.1 2.3 2.3 xxxx.jpg
...每列之间都是\t分隔。
其中，第2-6列为标签数据（比如一个class标签和4个bbox标签）。
参考脚本：
with open('my_test.lst', 'w+') as f:
for i in range(3):
f.write(
str(i) + '\t' +
# idx
str(i) + '\t' +
# class
str((i / 10)) + '\t' + str((i / 10)) + '\t' + str(((i + 3) / 10)) + '\t' +str(((i + 3) / 10)) + '\t' +
# xmin, ymin, xmax, ymax
'xxxx.jpg\n'
# image path
)然后执行命令生成.rec文件：
python /home/username/mxnet/tools/im2rec.py --num-thread=4 --pack-label=1 my_test.lst test_img多了一个--pack-label=1参数。
使用ImageRecordIter：
data_iter = mx.image.ImageRecordIter(batch_size=4,
resize=30,
label_width=5,
data_shape=(3, 30, 60),# depth,height,width
path_imgrec="./xxx/my_test.rec",
path_imgidx="./xxx/my_test.idx" )
data_iter.reset()
batch = data_iter.next()
img, labels = batch.data[0], batch.label[0]
print(labels)多了一个label_width配置。
使用ImageIter加载数据
相比ImageRecordIter，ImageIter既能读原图数据，也能读rec数据。在ImageRecordIter中对于数据的预处理操作都是固定的，不好修改，但ImageIter却可以非常灵活地添加各种预处理操作。
data_iter = mx.image.ImageIter(
batch_size=4,
data_shape=(3, 30, 60),
label_width=5,
path_imglist="./xxx/my_test.lst",
path_root='/xxx',
shuffle=True
)用ImageIter读取原图与ImageRecordIter读取rec比较：
- ImageRecordIter生成.rec文件需要耗费较多时间和空间。当数据集变化时，ImageIter只需要重新生成.lst，简单快捷。
- 读取速度上ImageRecordIter大概是ImageIter的100倍（自测）。
因此当数据修改频繁时，可使用ImageIter测试效果。确定好数据集后，生成一次rec文件可以大大提高训练速度。
一些问题
使用rec文件训练的模型在测试中表现很差
训练过程中，训练集和验证集都得到了比较高的准确率。训练好模型之后，输入图片进行测试，结果比验证集都要差很多。即使是用验证集的数据，效果也很差。为什么同样的图片会一个准一个不准呢？问题只可能出在图片的加载上。在测试时，使用的是opencv进行读取。debug图片数据，发现和rec中读取的图片有细微差别。后来找到原因是opencv读取图片是BGR模式，而MXNet从rec中读取的是RGB，导致这个问题。解决方法是调整opencv的图片格式：
img = cv2.imread(imgpath) b, g, r = cv2.split(img) img = cv2.merge([r, g, b])