深度学习中构造自己的图像数据集格式

在接触tensorflow之前我还从未接触过深度学习，所以刚开始写tensorflow就卡在了数据集上了，官方提供了mnist和cifar10两种数据集的训练代码，如果我们希望将自己的图像数据同样用在示例代码上，那么我们必须建立同样格式的数据集，我在初期就是这样做的，实际上在另一篇博文 windows下编译mnisten 我已经写了该如何制作mnist格式的数据集了。而现在我们可以构建自定义格式（我把它称为znyp格式）并输入模型进行训练，这将更加方便且利于理解。

构建数据集

构建数据集的核心代码如下：

from PIL import Image
import numpy as np

im = Image.open('images.jpeg')
im = (np.array(im))

r = im[:,:,0].flatten()
g = im[:,:,1].flatten()
b = im[:,:,2].flatten()
label = [1]

out = np.array(list(label) + list(r) + list(g) + list(b),np.uint8)
out.tofile("out.bin")

这是我在stack overflow中找到的，原理就是对于每一张图片，我们读取图片像素并转为numpy格式然后写入磁盘即可。事实上我尝试使用for循环来读取像素

data = []
for c in range(3):
    for w in range(32):
        for h in range(32):
            data.appen