正常的CNN，其输入是图像，其输出是一个label整数，其正是用Caffe的底层数据Datum（Image，，LMDB，LevelDB的基础）来表示
message Datum { optional int32 channels = 1; optional int32 height = 2; optional int32 width = 3; // the actual image data, in bytes optional bytes data = 4; optional int32 label = 5; // Optionally, the datum could also hold float data. repeated float float_data = 6; // If true data contains an encoded image that need to be decoded optional bool encoded = 7 [default = false];}
当数据读入的时候，其是通过
CVMatToDatum(cv_img, datum);datum->set_label(label);
所以，Image输入，LevelDB输入，LMDB输入，不能解决多输出问题（改动代码，对其它代码的影响比较大）
在HDF5作为输入中，其是接受多输出的，但其只能接受double和float的输入，但是我们的图像一般是0–255的，所以其实只要用int8 就可以满足了，可以节省4-8倍的空间。
而hdf5只能是float和double的原因在于，其是直接将4维数组转化为blob数据结构。
blob->Reshape(dims[0],(: 1,(: 1,(: 1);
虽然Blob是一个模板，但是，其unsigned int 和int的类型都没有实现
template <> void Blob<unsigned int>::Update() { NOT_IMPLEMENTED; }template <> void Blob<int>::Update() { NOT_IMPLEMENTED; }
没有实现的原因，是因为输入数据和里面的所有的中间数据都采用相同的结构（Blob），所以如果用int来保存的化，就没有办法进行求梯度等操作。
<> >::asum_data() const { NOT_IMPLEMENTED; return 0;}template <> int Blob<int>::asum_data() const { NOT_IMPLEMENTED; return 0;}>::asum_diff() const { NOT_IMPLEMENTED; return 0;}template <> int Blob<int>::asum_diff() const { NOT_IMPLEMENTED; return 0;}>::sumsq_data() const { NOT_IMPLEMENTED; return 0;}template <> int Blob<int>::sumsq_data() const { NOT_IMPLEMENTED; return 0;}>::sumsq_diff() const { NOT_IMPLEMENTED; return 0;}template <> int Blob<int>::sumsq_diff() const { NOT_IMPLEMENTED; return 0;}scale_factor) { NOT_IMPLEMENTED;}template <> void Blob<int>::scale_data(int scale_factor) { NOT_IMPLEMENTED;}scale_factor) { NOT_IMPLEMENTED;}template <> void Blob<int>::scale_diff(int scale_factor) { NOT_IMPLEMENTED;}
HDF5最大的缺点在于，因为其是直接将数据转化为Blob，所以其不能利用所有的DataTransformer功能，因为数据转换层又是基于Datum或者图像cv::Mat来转换.(最近加了直接对Blob的转换） 解决方案： 1. 自己添加一层DataBlob层来实现。 2. 直接存储uint8格式，HDF5输入的时候，强制转化为float格式即可。
而只有在充满了艰辛的人生旅途中，
