TensorFlow读取数据集

导入包

import tensorflow as tf
import numpy as np
import random
import os
import pathlib
import shutil
from random import shuffle

读取图像

使用的数据集的文件结构如下：

train和test文件夹里面的文件名 （如001D-1-20-12-10）都有标识其阴性或者阳性，之后用标签0，1标记。

Pathlib中的path模块

p.iterdir() #遍历目录的子目录和文件
p.is_dir() #判断是否是目录，返回布尔值
p.is_file() #判断是否是文件，返回布尔值
p.exists() #判断路径是否存在，返回布尔值
p.resolve() #返回绝对路径，WindowsPath
p.unlink() #删除目录或文件
p.glob() #条件遍历目录
p.rename() #重命名目录或文件夹

Path.glob()

Path.glob(pattern):获取路径下的所有符合pattern的文件，返回一个generator
下面返回的就是所有的文件，因为已经是归类好的都是数据图片了，也可以使用'*.jpg'这样的来进行获取。

训练集创建

这里使用shuffle把图片路径打乱了一下，不然可能出现病例成批出现的结果影响模型训练。

path = R"data_sets\train_test_dataset"
train_path=path+'\\'+'train'
train_filelist=os.listdir(train_path)
train_data_path = pathlib.Path('data_sets\\train_test_dataset\\train')

train_X = list(train_data_path.glob('*.*'))  
train_X = [str(path) for path in train_X]  # 所有图片路径的列表
shuffle(train_X)

因为还不是很熟悉python的使用方法，所以使用了很笨的判断字符确认阳性与否的方法打标签，这个方法很不具有通用性，想办法改进一下。这里一开始出锅了，打乱后标记的输入是路径，导致一开始训练train acc很高，test acc一直0.5，后来才检查出来标签没打好。

lb=lambda img:1 if img[35]=='A' else 0
train_y=[lb(file) for file in train_X]

创建好训练集的数据和标签后丢给Dataset.from_tensor_slices()进行特征切片，将特征和标签对应起来。

train_data_set = tf.data.Dataset.from_tensor_slices((train_X,train_y))

测试集创建

方法和创建训练集相同。

test_path=path+'\\'+'test'
test_filelist=os.listdir(test_path)
test_data_path = pathlib.Path('data_sets\\train_test_dataset\\test')
test_x = list(test_data_path.glob('*.*'))  
test_x = [str(path) for path in test_x]  # 所有图片路径的列表
lb2=lambda img:1 if img[34]=='A' else 0
shuffle(test_x)
test_y=[lb2(test_file) for test_file in test_x]
test_data_set = tf.data.Dataset.from_tensor_slices((test_x,test_y))

load_and_preprocess_from_path_label(path, label)

定义加载和预处理图片函数load_and_preprocess_from_path_label（）
由上面创建的data_set的元素都只是路径，我们需要从路径读出图片，并设置图片大小，归一化，转换类型等等，可以将这些方法都定义到这个函数中

def load_and_preprocess_from_path_label(path, label):
    image = tf.io.read_file(path)  # 读取图片
    image = tf.image.decode_jpeg(image, channels=3)
    image = tf.image.resize(image, [128, 128])  # 重设图片大小为(128,128 )
    image /= 255.0  # 归一化到[0,1]范围
    return image, label

生成自定义图片数据集

TensorFlow.Dataset中的map

map接收一个函数，Dataset中的每个元素都会被当作这个函数的输入，并将函数返回值作为新的Dataset 引用
就如我们这里的操作，将路径元素丢进去处理出来一个归一化后的图片。

train_iter  = train_data_set.map(load_and_preprocess_from_path_label)
test_iter  = test_data_set.map(load_and_preprocess_from_path_label)

设定batch_size

直接将数据集作为网络输入的话会报错，因为维数为3，神经网络的输入维数为4，将数据集分批传入就不会报错了，设定batch_size为32.

BATCH_SIZE = 32
train_iter=train_iter.batch(BATCH_SIZE)
test_iter=test_iter.batch(BATCH_SIZE)

训练与分析

使用的网络是前几篇博客中使用的vgg网络，微调了一些层的结构。
仍然使用动手深度学习网站上的训练和可视化函数获取结果。

net2=d2l.train_ch6(net, train_iter, test_iter, 24, lr, d2l.try_gpu())

看结果分析证明数据读取和划分应该是问题不大的，现在对于数据集的处理和网络的输入也熟悉一点了。

接下来要做的是

1.学习如何调整模型参数获得更好效果
2.找种简单的方法使用多种模型进行对比分析，找一个最适合的模型
3.再搞清楚神经网络的输入，其中每层的输入和输出，想办法保证图像带着正确的标签正常的走过了整个网络
4.数据集上可以做的很多，尺寸，去噪，归一化等等
5.考虑使用更多层更复杂的网络结构
6.使用迁移学习的方法使用别人训练的差不多的网络试试
7.学会怎么结合其他的特征输入进行模型训练