深度學習（tensorflow） —— 自己數據集讀取opencv

https://www.cnblogs.com/WSX1994/p/10954925.html （使用tfrecords創建自己數據集）
本節主要是采用矩陣讀取方式

先來看一下我們的目錄：

dataset1 和creat_dataset.py  屬於同一目錄       mergeImg1 和mergeImg2 為Dataset1的兩子目錄（兩類為例子）目錄中存儲圖像等文件

核心文件
creat_dataset.py 文件如下
#來生成訓練集和測試集的矩陣
import cv2 as cv
import numpy as np
import os

dataset_path = ["mergeImg1","mergeImg2"]    #這里為了增加限制，只讀取以下倆個（防止有其他文件夾 干擾）
#有效的path
def gain_data(path):
    train_data = [];train_label = []
    test_data = [];test_label = []
    category = 0
    for i in os.listdir(path):                   #dataset 目錄下的兩類
        if i in dataset_path:                    #讀取指定的文件夾  因為會存在其他文件夾
            filepath = os.path.join(path,i)          #目錄下/子目錄
            if os.path.isdir(filepath):
                for file in os.listdir(filepath):    #目錄下的文件
                    filename = os.path.join(filepath,file)
                    img = cv.imread(filename)        #打開文件
                    img = cv.resize(img,(160,160))  #將圖片進行大小設置
                    train_data.append(img)       
                    train_label.append(category)     #存儲對應標簽
                category = category + 1              #存儲類別變更 （0 ， 1）
    data = np.array(train_data)
    label = train_label
    cv.destroyAllWindows()
    return data,label


#標簽轉化函數 (0,0,1,1) --> ([1,0],[1,0],[0,1],[0,1])
def label_cov(train_label):
    result = []
    calss_num = len(set(train_label))
    label = [0] * calss_num
    for i in train_label:
        label[i-1] = 1
        result.append(label)
        label = [0] * calss_num
    result = np.array(result)
    return result


#將數據x  和標簽y 進行隨機排列（打亂） 注x和y 應該為矩陣類型
def shuffle_data(x , y):
    num_example = x.shape[0]
    arr = np.arange(num_example)
    np.random.shuffle(arr)
    data_train = x[arr]
    label_train = y[arr]
    return data_train,label_train



def gain_data1(path):  #對於數據集1 進行獲取
    train_data,train_label = gain_data(os.path.join(path,"Dataset1"))
    lab = label_cov(train_label)                    #標簽轉換
    lab = np.array(lab)
    train_data, lab = shuffle_data(train_data, lab)  #隨機打亂
    return train_data,lab

def gain_data2(path):   #對於數據集2 獲取
    train_data,train_label = gain_data(os.path.join(path,"Dataset2"))
    lab = label_cov(train_label)                    #標簽轉換 keras中不需要 tf需要
    lab = np.array(lab)
    train_data, lab = shuffle_data(train_data, lab)   #隨機打亂
    return train_data,lab

a,b= gain_data1("目錄")   #a,b返回的就是我們需要的數據 可以直接傳入神經網絡中

 如果大家有什么不明白的可以與我交流。 讀取數據所使用的函數都十分簡單。