Python制作并读取二分类数据集（猫狗示例）

一、新建文件目录

1.新建文件目录datasets保存两个子目录（两个类别）：

• datasets

  • cats

    • cat01.jpg
    • …

  • dogs

    • dog01.jpg
    • …

二、导入所需的第三方库

import  os
import cv2
import numpy as np
import random
from sklearn.model_selection import train_test_split
from keras.utils import np_utils

三、读取并生成对应的标签

1.输入图片文件夹的路径，保存文件夹下所有的图片的路径进一个列表里面：

def get_files(input_dir):
	file_list = []
	for (path, dir_name, file_names) in os.walk(input_dir):
		# path: 顶层文件夹
		# dir_name:（如果有）当前文件夹下的文件夹
		# file_names: 包含当前文件夹下所有文件名的列表
		for file_name in file_names:
			if file_name.endswith('.jpg') or file_name.endswith('.png') or file_name.endswith('.bmp'):
				# 完成的图片路径
				full_img_path = os.path.join(path, file_name)
				# 将图片路径添加进列表里面
				file_list.append(full_img_path)
	return file_list

2.读取图片并调整图片的大小，生成对应的label列表：

def read_img_label(file_list, label, size):
	imges = []
	labels = []
	for img_path in file_list:
		img = cv2.imread(img_path)
		# 调整图像大小
		img = cv2.resize(img, (size, size))
		imges.append(img)
		labels.append(label)
	return imges, labels

3.读取含有两个类别的数据集文件夹，设置标签值, 合并图片列表和标签列表：

def read_datasets(data_dir, class_1, class_2, size):
	# data_dir: 数据集目录名
	# class_1: 类别1目录名
	# class-2：类别2目录名
	
	label_1 = 0
	label_2 = 1
	
	class_dir_1 = os.path.join(data_dir, class_1)
	class_dir_2 = os.path.join(data_dir, class_2)
	
	file_path_1 = get_files(class_dir_1)
	file_path_2 = get_files(class_dir_2)
	
	imges_1, labels_1 = read_img_label(file_path_1, label_1, size)
	imges_2, labels_2 = read_img_label(file_path_2, label_2, size)

	img_array = np.array(imges_1 + imges_2)
	label_array = np.array(labels_1 + labels_2)
	
	return img_array, label_array

四、划分成训练集和测试集

def load_data(data_dir, class_1, class_2, size):

	imges, labels = read_datasets(data_dir, class_1, class_2, size)
	
	imges = imges.reshape(imges.shape[0], size, size, 3)
	
	x_train, x_test, y_train, y_test = train_test_split(imges, labels, test_size=0.3, random_state=random.randint(0, 100))
	return (x_train, y_train), (x_test, y_test)

读取数据集并进行归一、独热转化

(x_train, y_train), (x_test, y_test) = load_data('./datasets', 'cats', 'dogs', 416)

x_train = x_train.astype('float32') / 255
x_test = x_test.astype('float32') / 255

y_train = np_utils.to_categorical(y_train, 2)
y_test = np_utils.to_categorical(y_test, 2)