深度学习实战（七）——制作自己的用于分类的数据集

骑猪看日落 2022-01-22 02:51 692阅读 0赞

主要分成以下几步;

**（1）**数据集按比例分成训练集和测试集 ：[制作自己的分类数据集（一）——将两个数据集按一定比例分成训练集和测试集][Link 1]

（2）生成tf压缩文件（数据量大时用这种方法）：[https://blog.csdn.net/ChaoFeiLi/article/details/86591672][https_blog.csdn.net_ChaoFeiLi_article_details_86591672]

**（2）**根据图像路径及label生成txt文件：[https://blog.csdn.net/u010397980/article/details/84930880][https_blog.csdn.net_u010397980_article_details_84930880]（全面：图像路径、标签（各文件夹名字、生成tet标签文件、图像扩增））

（备用）根据图像路径及label生成txt文件：[https://blog.csdn.net/u010397980/article/details/84889189][https_blog.csdn.net_u010397980_article_details_84889189]

[将txt文件转化为json进行操作][txt_json]：[https://www.cnblogs.com/jialiuqing--/p/8398464.html][txt_json]

（3）训练：tensorflow分类模型mobilenetv2训练-图像转tfrecord格式并读取批量数据进行训练：[https://blog.csdn.net/u010397980/article/details/84980931][https_blog.csdn.net_u010397980_article_details_84980931]

（后面用的到）带图像预处理的demo：[https://blog.csdn.net/u010397980/article/details/84930880][https_blog.csdn.net_u010397980_article_details_84930880]

如何用python将文件夹下名称写入csv，并添加标签：[https://blog.csdn.net/weixin\_40123108/article/details/90511053][https_blog.csdn.net_weixin_40123108_article_details_90511053]

TensorFlow笔记-制作自己的训练集，利用卷积神经网络模型进行训练、测试（完整流程）：[https://blog.csdn.net/jyy555555/article/details/80283219][https_blog.csdn.net_jyy555555_article_details_80283219]

[Link 1]: https://blog.csdn.net/qq_37764129/article/details/90905985
[https_blog.csdn.net_ChaoFeiLi_article_details_86591672]: https://blog.csdn.net/ChaoFeiLi/article/details/86591672
[https_blog.csdn.net_u010397980_article_details_84930880]: https://blog.csdn.net/u010397980/article/details/84930880
[https_blog.csdn.net_u010397980_article_details_84889189]: https://blog.csdn.net/u010397980/article/details/84889189
[txt_json]: https://www.cnblogs.com/jialiuqing--/p/8398464.html
[https_blog.csdn.net_u010397980_article_details_84980931]: https://blog.csdn.net/u010397980/article/details/84980931
[https_blog.csdn.net_weixin_40123108_article_details_90511053]: https://blog.csdn.net/weixin_40123108/article/details/90511053
[https_blog.csdn.net_jyy555555_article_details_80283219]: https://blog.csdn.net/jyy555555/article/details/80283219