如何制作自己的图片数据集-基于tensorflow

写在开始

自己最开始接触python的时候，第一个学会使用的库就是tensorflow，在经历了everyone 都会经历的mnist数据集训练后，就开始想自己做一个图片分类的深度学习，期间也是一波三折，看了很多csdn上的博客，摸索出了自己的数据集制作习惯，用以简单的分类。

数据集下载

数据集的话，一是通过自己下载收集，也可以去很多赛题里下分类好的资源，像阿里的天池大数据比赛，我用的数据集来自天池大数据数据集

数据集制作

tensorflow只能读取二进制数据，以tfrecord格式保存图片，所以我们必须先把矩阵型的图片数据转化。

import os
import tensorflow as tf 
from PIL import Image
import numpy as np
data_path= 'data\\guangdong_round1_train2_20180916'#也可以输入你自己的test路径
writer=tf.python_io.TFRecordWriter('data\\train_data.tfrecord')
classes=['正常',
        '不导电',
        '擦花',
        '横条压凹',
        '桔皮',
        '漏底',
        '碰伤',
        '起坑',
        '凸粉',
        '涂层开裂',
        '脏点',
        '其他'
        ]#也可以输入你自己的分类，这是比赛时要求的分类
class_path=[]
for index,name in enumerate(classes):
    if name=='正常':
        class_path.append(os.path.join(data_path,'无瑕疵样本'))
    else:
        if name=='其他':
            new_path=os.path.join(data_path,'瑕疵样本','其他')
            for newpath in os.listdir(new_path):
                class_path.append(os.path.join(data_path,'瑕疵样本',name,newpath)) 
        else:
            class_path.append(os.path.join(data_path,'瑕疵样本',name))
  #上面的过程是为每个类别的图片建一个收索路径，使每一张图片进入进入这个搜索路径，方便下文遍历搜索
  #下一个遍历是让每张图片转换为tfrecord格式
for path in class_path:
    for image_path in os.listdir(path):
        image_path=os.path.join(path,image_path)
        image= Image.open(image_path)
        image=image.resize((256,256)) #图片太大，根据你的需求缩小尺寸
        image_raw=image.tobytes()
        example=tf.train.Example(features=tf.train.Features(feature={
    'lable':tf.train.Feature(int64_list=tf.train.Int64List(value=[index])) ,
    'image_raw':tf.train.Feature(byt