利用mxnet生成rec文件（图像分类）

1、根据使用目的分类：图像分类任务和目标检测任务；

2、使用工具：mxnet的im2rec.py；如果搭建mxnet环境可以在你安装的python路径下面找，找到mxnet文件夹，然后找到tools文件夹下找到im2rec.py (我自己的：“miniconda3\envs\gluon\Lib\site-packages\mxnet\tools”)。

3、创建文件夹：

首先需要在任意目录底下创建如下文件目录，im2rec为mxnet自带的源码，mxrec是空文件夹，用于存放打包之后的文件，images文件夹底下又有2个文件夹，dog与cat分别存放相应的图片，如果是10类那就要建立10个文件夹。

# .
# └── data
#     ├── mxrec
#     ├── im2rec.py
#     └── images
#         ├── dog
#         └── cat

4、使用im2rec.py进行打包。

首先进入到上一步创建的文件夹，然后在文件夹地址栏输入cmd，进入命令窗口界面，然后输入（如果出现报错提示，缺少什么组件就安装什么组件。）

conda activate gluon
python im2rec.py --list --recursive --train-ratio 0.8 mxrec/animal images

--list 说明要产生lst文件

–recursive 遍历所有子文件夹，并会给每一个子文件夹一个编号

--train_ratio 确定训练集和测试集的比例

mxrec/animal 指的是文件命名前缀，存下来的文件会在mxrec文件夹，以animal为开头

images指的是我们要遍历的文件夹名字。

执行完这一步，我们就产生了文件列表。

#hot_dog_classification_train.lst  
#hot_dog_classification_val.lst

5、根据lst，打包生成rec与idx文件。

#使用如下命令
python im2rec.py  mxrec/animal images --resize 512

--resize 512 是指将图片缩放至 512*512的大小

注意：你的路径不能用中文，中文这步通过不了。