将自己的数据集转换为cifar数据集格式

本文代码参考于：参考代码

cifar官方网址的数据集下载速度比较慢，所以提供大家百度云地址方便下载：

cifar数据集下载：

链接：百度网盘 
提取码：7x1e

cifar数据集的基本情况：

        该数据集共有60000张彩色图像，这些图像是32*32，分为10个类，每类6000张图。这里面有50000张用于训练，构成了5个训练批，每一批10000张图；另外10000用于测试，单独构成一批。测试批的数据里，取自10类中的每一类，每一类随机取1000张。抽剩下的就随机排列组成了训练批。注意一个训练批中的各类图像并不一定数量相同，总的来看训练批，每一类都有5000张图。

我们可以看到下载后的数据集文件夹包括：

其中data_batch就是用于训练的数据集，一共有五个；test_batch就是用于测试的数据集，一共有一个；batchs.meta其中包含的信息是类别名称，下面我们就仔细看看各个文件包含的具体内容：

各文件详细内容

• 1. batch.meta

import pickle

def unpickle(file):
    with open(file, 'rb') as fo:
        dict = pickle.load(fo, encoding='latin-1')
    return dict
cc=unpickle("./dataset/cifar-10/cifar-10-batches-py/batches.meta") #路径需要自行修改
print(cc)

运行结果：可以看到：batch应该是一个batch包含的图片数量，label_names应该是类别名字，num_vis应该是32*32（图片大小）*3（RGB三通道），个人理解为描述一副图像所需要的值。

• 2. data_batch_1

debug结果：代码不加赘述，上面的改下路径就行

可以看到，其中包含batch_label，labels，data，filenames四项，其中batch_label就是第几个batch，labels就是第几类，data就是上面3072对应的具体值啦（不止一个3017，因为不止一幅图，大家自行理解哈），其实就是RGB值，filename就是图片的名字，是不是挺简单的。test_batch也是一样的样的道理。

接下来就是具体自己的数据集转换的代码：

# -*- coding: utf-8 -*-
"""
@author: zhangjiaqing 有借鉴
"""
import numpy as np
import chardet
from PIL import Image
import operator
from os import listdir
import sys
import pickle
import random

def unpickle(file):
    with open(file, 'rb') as fo:
        dict = pickle.load(fo, encoding='latin-1')
    return dict
#cc=unpickle("./dataset/cifar-10/cifar-10-batches-py/data_batch_1")
#print(cc)

data={}
list1=[]
list2=[]
list3=[]
#将图片转化为32*32的三通道图片
def img_tra():
    for k in range(0,num):
        currentpath=folder+"/"+imglist[k]
        im=Image.open(currentpath)
        #width=im.size[0]
        #height=im.size[1]
        x_s=32
        y_s=32
        out = im.resize((x_s,y_s),Image.ANTIALIAS)
        out.save(folder_ad+"/"+str(imglist[k]))

def addWord(theIndex,word,adder):
    theIndex.setdefault(word,[]).append(adder)
def seplabel(fname):
    filestr=fname.split(".")[0]
    label=int(filestr.split("_")[0]) #图片的命名 _前面是类别
    return label
def mkcf():
    global data
    global list1
    global list2
    global list3
    for k in range(0,num):
        currentpath=folder_ad+"/"+imglist[k]
        im=Image.open(currentpath)
        with open(binpath, 'a') as f:
            for i in range (0,32):
                for j in range (0,32):
                    cl=im.getpixel((i,j))
                    list1.append(cl[0])  #R

            for i in range (0,32):
                for j in range (0,32):
                    cl=im.getpixel((i,j))
                    #with open(binpath, 'a') as f:
                    #mid=str(cl[1])
                    #f.write(mid)
                    list1.append(cl[1]) #G

            for i in range (0,32):
                for j in range (0,32):
                    cl=im.getpixel((i,j))
                    list1.append(cl[2]) ##B
        list2.append(list1)
        list1=[]
        f.close()
        print("image"+str(k+1)+"saved.")
        list3.append(imglist[k])    #name of pictures
    arr2=np.array(list2,dtype=np.uint8)
    data['batch_label']='training batch 5 of 5' #training batch 1 of 5 testing batch 1 of 1
    data.setdefault('labels',label)
    data.setdefault('data',arr2)
    data.setdefault('filenames',list3)
    output = open(binpath, 'wb')
    pickle.dump(data, output)
    output.close()

folder="./cloud/train_batch_5"  #自己图片的路径 train_batch_5 test
folder_ad="./cloud/train_batch_5_ad" #将图片转化为32*32的三通道图片的路径  train_batch_5_ad test_ad
imglist=listdir(folder) #这里原作者好像写错了，我自行修改了，目测现在是对的
num=len(imglist)
img_tra()
label=[]
for i in range (0,num):
    label.append(seplabel(imglist[i]))
binpath="./dataset/cloud/cloud-5-batches-py/data_batch_5" #保存的路径 data_batch_5 test_batch
print(binpath)
mkcf()

给大家看一下转的结果

 

解释一下为什么这里少了batch.meta，感觉这里的信息没什么用，如果是自己的数据集，可以直接写一句代码就行： 

classes = ['A', 'B', 'C', 'D', 'E']

 注意自己数据集图片的命名：‘_‘前面是类别

有什么错误欢迎大家在留言区交流指正！感谢！