Tensorflow中将本地以目录名作为label的图片数据集导入

引言

作为一个初学者，在大家平常的学习中都会使用类似于mnist这种可以直接下载导入的数据集，但是当在本地有一组文件层级如下的数据集需要导入处理时，没有什么好的直接的库可以使用，我在一次机器学习的比赛中便遇到了这样的问题

|-imagess
	|-apple
		|-1.jpg
		|-2.jpg
		|-3.jpg
		|-4.jpg
		|-5.jpg
		...
	|-banana
		|-1.jpg
		|-2.jpg
		|-3.jpg
		...
 	|-orange
 	....

直接上代码

• 首先导包

import os, cv2
import numpy as np
import tensorflow as tf

• 第一步遍历最外层根目录，获得子目录

data_dir = 'imagess/'
contents = os.listdir(data_dir)
classes = [each for each in contents if os.path.isdir(data_dir + each)]

• 第二步，我是要把所有数据整理为[224,224,3]，循环每一个文件夹，将图片数据放在inputfirst中 将标签放入labels 代码可能不太好看，但是至少完成了需求。

labels = []
inputfirst=tf.placeholder(tf.float32, [None, 224, 224, 3])
input_ = tf.placeholder(tf.float32, [None, 224, 224, 3])
with tf.Session() as sess:
    for i,each in enumerate(classes,1):
        print("Starting {} images".format(each))
        class_path = data_dir + each
        print(class_path)
        files= os.listdir(class_path)
      
        for ii , file in enumerate(files,1):
            print(os.path.basename(file))
            image_value = tf.read_file(os.path.join(class_path, file))


            img = tf.image.decode_jpeg(image_value, channels=3)
            
            tf.global_variables_initializer()
           
            img= tf.image.resize_images(img, [224,224],method=0)    
            print(img)
            
            imgput= tf.reshape(img,[1,224,224,3])
            if ((ii==1)&(i==1)):
                inputfirst=imgput
            else:
               
                inputfirst=tf.concat([inputfirst,imgput],axis=0)
            labels.append(each)
            
    labels=tf.reshape(labels,[-1])
    print(inputfirst.shape)
    print(labels.shape)

最后inputfirst与labels的shape为

(2742, 224, 224, 3)
(2742, 1)

打赏