在关于图像的深度学习中，我们有图像和对应的标签。通常我们将图像名字和对应的标签写在json文件中，通过字典的方式进行编码。我们可以看一个例子：
[{"disease_class": 1, "image_id": "1.jpg"},
{"disease_class": 2, "image_id": "2.jpg"},
{"disease_class": 3, "image_id": "3.jpg"}]
注意到这个最外边是一个方括号，也就是说整个文件是一个列表的格式。
列表由很多的很多字典组成，每一个字典都包含两个键值对，一个是图片的标签，也就是groundtruth，这里就是disease_class，另一个就是图像的名字，这里就是image_id。
这样写是有好处的，我这里就不说是什么好处的。
本文首先给出如何读取这样的一个json文件：
```
with open(validate_path, 'r') as load_f:
load_dict = json.load(load_f)
num_image = len(load_dict)
for image in range(num_image):
index = load_dict[image]["disease_class"]
path = load_dict[image]['image_id']
image_data = cv_imread(path)
```
主要用到了一个python库中函数：json 的json.load函数。然后采用列表的方式读取每一个图像的序列号，再进一步依据字典的键值对方式来索引具体的键值。
那么怎样才能创建这样的josn文件呢（从这个例子可以看书，并不是所有的json文件都是一样的，josn文件有它自己的组合方式，看官可以查看其它人的博客就知道，但愿你看完这篇文章之后能够找到你想要的json文件格式的制作）
上面说到，首先是列表，列表中是一个个的字典。
直接先上代码：
```
image_aug = [] # 先创建一个列表
image_path = 'AgriculturalDisease_trainingset'
root = os.getcwd()
path = os.path.join(root, 'new_train', 'new_train_labels.json')
# print(path)
with open(path, 'r') as f:
load_dict = json.load(f)
num_images = len(load_dict)
for image in range(num_images):
index = load_dict[image]["disease_class"]
path = load_dict[image]["image_id"]
image_dict = {"disease_class":index, "image_id":path}
image_aug.append(image_dict) # 依据列表的append对文件进行追加
with open('new.json', 'w', encoding='utf-8') as file:
json.dump(image_aug, file, ensure_ascii=False)
# 最后根据json的dump将上面的列表写入文件，得到最终的json文件
```
总结为以下三步：
1）先创建一个列表
2）依据列表的append对文件进行追加
3）最后根据json的dump将上面的列表写入文件，得到最终的json文件
写到这里大家应该是比较理解怎么对json文件进行追加的吧。
实际上是利用列表进行追加。