如果读取分割的数据集和label

首先你需要给你的数据统一命名，也就是数据集和label的前缀是一样的，其次，两个在不同的文件夹下，这样就可以提出一种想法，如果文件是validation.jpg，label是validation.png，直接截取文件中的名字validation，然后根据路劲直接读取，如果路径是/data0/data/fenge，那么存在validation.jpg文件名的一定会存在validation.png，所以只需要改不同路径就好了。

另一种思想的代码如下，就是对文件名排序，让他们一致读取。

import os
from PIL import Image
import tensorflow as tf
import re
import scipy.misc as misc
import numpy as np

IMAGE_SIZE = 224

train_path = r'/data0/data/fenge/Data_zoo/MIT_SceneParsing/ADEChallengeData2016/images/validation'
train_label_path=r'/data0/data/fenge/Data_zoo/MIT_SceneParsing/ADEChallengeData2016/annotations/validation_lable'

# validation_lable
# writer = tf.python_io.TFRecordWriter('fenge_test.tfrecords') #输出成tfrecord文件

re_digits = re.compile(r'(\d+)')


def embedded_numbers(s):
    pieces = re_digits.split(s)  # 切成数字与非数字
    pieces[1::2] = map(int, pieces[1::2])  # 将数字部分转成整数
    return pieces


def sort_strings_with_embedded_numbers(alist):
    return sorted(alist, key=embedded_numbers)

train_label = os.listdir(train_label_path)
train= os.listdir(train_path)

train_label = sort_strings_with_embedded_numbers(train_label)
train = sort_strings_with_embedded_numbers(train)

__channels = True

image = np.array()
image = misc.imread(train_label)

if __channels and len(image.shape) < 3:  # make sure images are of shape(h,w,3)
    image = np.array([image for i in range(3)])
else:
    resize_image = np.array(image)