keras分类猫狗数据（上）数据预处理

​​keras分类猫狗数据（上）数据预处理​​​​keras分类猫狗数据（中）使用CNN分类模型​​​​keras分类猫狗数据（下）迁移学习​​​​keras分类猫狗数据（番外篇）深度学习CNN连接SVM分类​​

数据来源：https://www.kaggle.com/c/dogs-vs-cats
在本部分数据预处理，下载并解压（如本人所有图片解压后位于​​​E:/MLdata/kaggle_Dogsvs.Cats/train/​​）。

本文后续部分，将要取其中各1000张猫狗训练数据，各500张猫狗测试数据（共3000张），并分别放到类别文件夹中。最终如下结构。

1 .如下代码，获取所有猫狗文件路径，可以看出共分别有12500，12500猫狗图片。

import os

train='E:/MLdata/kaggle_Dogsvs.Cats/train/'

dogs=[train+i for i in os.listdir(train) if 'dog' in i]

cats=[train+i for i in os.listdir(train) if 'cat' in i]

print(len(dogs),len(cats))

12500 12500

2 . 如下代码，将训练用到$1000\times2$张图片，测试的$500\times2$张图片放置指定文件夹，共计$（1000+500）\times2$。读者可以充分使用$12500\times2$提高分数。

import os
import shutil

def createDir(path):
    if not os.path.exists(path):
        try:
            os.makedirs(path)
        except:
            print("创建文件夹失败")
            exit(1)

path="E:/MLdata/kaggle_Dogsvs.Cats/min_trainfordata/"

createDir(path+"train/dogs")
createDir(path+"train/cats")
createDir(path+"test/dogs")
createDir(path+"test/cats")

for dog,cat in list(zip(dogs,cats))[:1000]:
    shutil.copyfile(dog,path+"train/dogs/"+os.path.basename(dog))
    print(os.path.basename(dog)+"操作成功")
    shutil.copyfile(cat, path + "train/cats/" + os.path.basename(cat))
    print(os.path.basename(cat) + "操作成功")
for dog, cat in list(zip(dogs, cats))[1000:1500]:
    shutil.copyfile(dog, path + "test/dogs/" + os.path.basename(dog))
    print(os.path.basename(dog) + "操作成功")
    shutil.copyfile(cat, path + "test/cats/" + os.path.basename(cat))
    print(os.path.basename(cat) + "操作成功")