tensorflow猫狗大战笔记

第一步：数据集的加工

import cv2
import os  #使用os.walk()函数遍历指定文件夹train及其所有子文件夹。

dir='train'  #读取图片路径的设定  需要在程序文件里建立train文件夹 将需要更改尺寸的图片放入

for root,dirs,files in os.walk(dir):     #for root, dirs, files in os.walk(dir): 这行代码用于遍历指定文件夹 dir 及其所有子文件夹。在每次迭代中，root 变量将保存当前遍历的文件夹路径，dirs 变量将保存 root 下所有子文件夹的列表，files 变量将保存 root 下所有文件的列表。
    for file in files:                   #for file in files: 这行代码用于遍历当前文件夹下的所有文件。在每次迭代中，file 变量将保存当前遍历到的文件名。
        filepath=os.path.join(root,file) #filepath = os.path.join(root, file) 这行代码用于将当前遍历到的文件名 file 和文件夹路径 root 连接起来，生成完整的文件路径 filepath。
        try:                               #try 是 Python 中的异常处理机制，用于捕获可能发生异常的代码块。通过使用 try 和 except，可以在发生异常时进行适当的处理，避免程序崩溃并提供错误处理的机制。
            image=cv2.imread(filepath)
            dim=(227,227)
            resized=cv2.resize(image,dim)
            path='dogs_vs_cats/'+file          # path = 'dogs_vs_cats/' + file 是将文件名 file 与 'dogs_vs_cats/' 这个文件夹路径拼接起来，形成完整的文件路径 path。  需要先在程序文件夹下新建一个dogs_vs_cats的文件夹 用于保存尺寸处理后的图片

            cv2.imwrite(path,resized)        #这行代码将经过调整大小的图像 resized 保存到指定路径 path 对应的文件中。
        except:                                  #except: 这行代码表示如果在 try 代码块中发生了异常，那么接下来的代码块将会被执行。
            print(filepath)                   #print(filepath) 会在出现异常时打印出文件路径的值，方便调试和定位错误。
            os.remove(filepath)               #将会删除指定路径 filepath 所对应的文件。
    cv2.waitKey(0)

 

 

import os
import numpy as np     #将导入 NumPy 库，并将它的命名空间重命名为 np。这样，在后续的代码中，你可以通过 np 来访问和使用 NumPy 中的函数和功能。
import tensorflow as tf
import cv2

file_dir='dogs_vs_cats'
def get_file(file_dir):  #该函数接受一个参数 file_dir，表示文件目录。这个函数似乎用于获取指定目录下的文件列表。
    images=[]  #images 列表用于存储所有文件的路径或文件名
    temp=[]   #temp 列表可能用于临时存储文件路径或文件名的容器
    for root,sub_folders,files in os.walk(file_dir):  #通过使用 os.walk(file_dir)，你可以遍历指定目录 file_dir 下的所有文件和子文件夹。
        '''
        os.walk(path)---返回的是一个三元组(root,dirs,files):
         root 所指的是当前正在遍历的这个文件夹的本身的地址
         dirs 是一个 list ，内容是该文件夹中所有的目录的名字(不包括子目录)
         files 同样是 list , 内容是该文件夹中所有的文件(不包括子目录)
         '''
        for name in files:     #将文件的路径添加到了 images 列表中
            images.append(os.path.join(root,name))   #images 列表中存储了所有文件的路径
        for name in sub_folders:  #将子文件夹的路径添加到了 temp 列表中
            temp.append(os.path.join(root,name))  #temp 列表中存储了所有子文件夹的路径
    labels=[]      #创建了一个空列表 labels 来存储标签
    for one_folder in temp:  #使用了 one_folder 变量来遍历 temp 列表中存储的子文件夹路径。
        n_img=len(os.listdir(one_folder)) #os.listdir(one_folder) 函数返回指定文件夹 one_folder 下的所有文件和文件夹的列表。然后，通过 len() 函数获取该列表的长度，即文件的数量。
        letter=one_folder.split('\\')[-1] #通过反斜杠 \ 将 one_folder 路径分割为多个部分，并返回一个列表。然后，通过索引 [-1] 取得列表中的最后一个元素，即文件夹的名称。假设 one_folder 的路径为 "C:\example\folder"，然后执行 one_folder.split('\\')[-1]，将返回 "folder"。
        if letter=='cat':
            labels=np.append(labels,n_img*[0])  #将长度为 n_img 的全零数组添加到 labels 数组的末尾，并返回一个新的数组。这里假设你使用的是 numpy 库来进行数组操作。
        else:
            labels=np.append(labels,n_img*[1])   #将长度为 n_img 的全一数组添加到 labels 数组的末尾，并返回一个新的数组。

    temp=np.array([images,labels])  #np.array() 函数将 images 和 labels 作为输入，并将它们合并成一个新的数组。这个新数组的形状将取决于 images 和 labels 的形状。
    temp=temp.transpose() #矩阵转置
    np.random.shuffle(temp) #对数组 temp 进行随机打乱操作。

    images_list=temp[:,0] #获取二维数组 temp 中的第一列。
    labels_list=temp[:,1]  #获取二维数组 temp 中的第二列。
    labels_list=[int(float(i)) for i in labels_list]   #对 labels_list 中的每个元素 i，先将其转换为浮点数类型，然后再转换为整数类型，并将转换后的结果组成一个新的列表。
    return images_list,labels_list  #将处理后的 images_list 和 labels_list 返回