最近开始整理一下tensorflow，准备出一个tensorflow实战系列，以飨读者。
学习一个深度学习框架，一般遵循这样的思路：数据如何读取，如如何从图片和标签数据中读出成tensorflow可以使用的数据，其次是如何搭建网络，然后就是如何训练模型，保存模型，使用模型。最后就是可视化了。
tensorflow上开发了很多有用的包：如tensorlayers,tflearns,slim等，这些包可以让你很方便的构建网络模型。
入门系列你可以直接按照tensorflow的官方文档来跑就可以了。咱就不赘叙了。
实战第一步，我们开始构建tensorflow的数据集。
tensorflow可以读取很多种数据，1直接从磁盘上读取jpg文件，这个比较费时间。2读取csv格式的数据。这个我没有深挖。3读取bin格式的数据，它的例子中就有是读取已经保存的bin文件的，在models/image文件夹下的一个例子。4tfrecords方法。这个方法比较方便，也是tensorflow的默认文件格式。
就用这个第四种方法了。
直接上存的代码：
def createtraindata():
cwd='/home/xxx/data/imagedata/'
classes={'bird','dog','person'}
writer = tf.python_io.TFRecordWriter("train.tfrecords")//保存的tfrecord的文件名是train.tfrecords
for index, name in enumerate(classes):
class_path = cwd + name + "/"
for img_name in os.listdir(class_path):
img_path = class_path + img_name
img = Image.open(img_path)
img = img.resize((224, 224))
img_raw = img.tobytes() #将图片转化为原生bytes
example = tf.train.Example(features=tf.train.Features(feature={
"label": tf.train.Feature(int64_list=tf.train.Int64List(value=[index])),
'img_raw': tf.train.Feature(bytes_list=tf.train.BytesList(value=[img_raw]))
}))
writer.write(example.SerializeToString()) #序列化为字符串
writer.close()
代码不难，就是一些平常的python操作。这个是我跑通了的。如果有问题请留言
