python tensorflow车型识别(一)：建立数据

入门了tensorflow课程后，于是想自己做个车型类别的识别。
在看了另外一位用matlab2016完成车型识别任务的文章后，我们现在使用tensorflow来对这个任务进行复现。
原文链接：https://blog.csdn.net/eipguo/article/details/79097433
再原文中 作者为我们提供了数据集以及使用matlab完成任务的整个流程。
我个人建议我们也是首先使用matlab按照作者的方法走一遍，加深我们对数据集的理解。
至于matlab如何完成 还请各位直接阅读原文 按照其作者的步骤进行即可，速度很快，正确率也很不错。

我们主要是使用tensorflow对这个流程进行复现。

再我们下载了作者提供的数据集后，应该会有三个文件夹 分别是车型标注（里面是.mat文件）,规整后数据集(作者整理后的)，原数据集。无论是规整后的数据集还是原数据集 其文件夹下都是一堆车型的照片。而在车型标注中则是我们的分类标签和用于车辆区域检测的坐标点。

但是我们会发现.mat文件是matlab下使用的，python 虽然可以打开它，但是其输出的结果很不友好，比如我们打开存放了车型标签和坐标点的cars_train_annos文件 输出会是这样的：

所以 为了方便我们对于数据的把握 我们首先要将这个.mat文件转化为输出更为直观的.csv格式。
网上的直接转化函数效果并不是很好 ，