如何准备一个图像数据集来训练和测试ten

Question

我使用的是Windows10Pro、VisualStudio10、Python3.6.2rc1和Tensorflow。我正在尝试建立一个卷积神经网络（CNN），用张量流对水果图像进行分类。我只有两种水果，菠萝和香蕉。我用python工作不到一周，这是我的第一次体验。在

我做了两个文件夹，一个用于训练图像，具有相同大小的jpg格式的图像，另一个也用于jpg格式的测试图像。我还有两个txt，一个用于培训，一个用于测试。例如，我的训练集中的数据如下：

image001 banana

image002 pineapple

我不知道如何将这些数据输入示例网络。我用的是

https://github.com/tensorflow/tensorflow/blob/r1.2/tensorflow/examples/tutorials/layers/cnn_mnist.py

阅读tensorflow的教程，了解数据读取和上述代码的解释：

https://www.tensorflow.org/tutorials/layers

我最大的问题是我不明白MNIST是如何被输入到这个网络中的，也无法通过使用tensorflow网站上编写的程序员指南/阅读数据来真正理解。在

如果您能给我更具体的指导，我需要做什么，这两个文件夹的图像和两个文本文件到上述网络，我将非常感谢。另外，由于我对python还不太熟悉，所以我还不太熟悉它，要知道为此我必须导入什么。事先非常感谢。在

Answer 1

以下是输入MNIST数据的行：

# Load training and eval data
mnist = learn.datasets.load_dataset("mnist")
train_data = mnist.train.images  # Returns np.array
train_labels = np.asarray(mnist.train.labels, dtype=np.int32)
eval_data = mnist.test.images  # Returns np.array
eval_labels = np.asarray(mnist.test.labels, dtype=np.int32)

learn.datasets.load_dataset是一个方便的函数，它将MNIST数据加载到必要的变量中，然后在这里使用这些变量进行培训：

^{pr2}$

您必须将图像中要加载的第一个代码块调整为train_data，并将相应的标签调整为train_labels。在

一个建议：从Keras开始，它是Tensorflow之上的高级API。在我看来，这要简单得多，也更灵活。在

这篇来自Keras制造商的教程可能是一个非常好的起点：https://blog.keras.io/building-powerful-image-classification-models-using-very-little-data.html

它正是关于分类两类图像（猫和狗）。在