我想创建一个与CIFAR-10数据集格式相同的数据集，以便在TensorFlow中使用。它应该包含图像和标签。我希望能够使用CIFAR-10的代码，但使用不同的图像和标签，并运行该代码。
回答：
首先，我们需要了解CIFAR10数据集的格式。如果我们参考：https://www.cs.toronto.edu/~kriz/cifar.html，特别是二进制版本部分，我们可以看到：
第一个字节是第一张图像的标签，是0-9之间的数字。接下来的3072个字节是图像的像素值。前1024个字节是红色通道的值，接下来的1024个是绿色，最后1024个是蓝色。值以行主序存储，因此前32个字节是图像第一行的红色通道值。
直观上，我们需要以这种格式存储数据。作为一种基线实验，你可以先获取与CIFAR10相同尺寸和相同类别数量的图像，并将它们存储在这个格式中。这意味着你的图像应该具有32x32x3的尺寸，并且有10个类别。如果你能成功运行这个实验，那么你可以进一步处理单通道、不同尺寸的输入和不同类别的情况。这样做意味着你需要更改代码中其他部分的许多变量。你需要逐步解决这些问题。
我正在开发一个通用模块。我的代码在https://github.com/jkschin/svhn。如果你参考svhn_flags.py代码，你会看到许多可以更改以适应你需求的标志。我承认现在看起来有点神秘，因为我还没有清理代码使其可读，但它是有效的。如果你愿意花一些时间粗略地看一下，你会发现一些东西。
这可能是你在CIFAR10上运行自己的数据集的最简单方法。当然，你也可以复制神经网络定义并实现自己的读取器、输入格式、批处理等，但如果你想快速启动并运行，只需调整你的输入以适应CIFAR10即可。
编辑：
一些非常基本的代码，希望能有所帮助。
from PIL import Imageimport numpy as npim = Image.open('images.jpeg')im = (np.array(im))r = im[:,:,0].flatten()g = im[:,:,1].flatten()b = im[:,:,2].flatten()label = [1]out = np.array(list(label) + list(r) + list(g) + list(b),np.uint8)out.tofile("out.bin")这将把图像转换为一个字节文件，准备在CIFAR10中使用。对于多张图像，只需按照上述格式继续连接数组。要检查你的格式是否正确，特别是对于提问者的用例，你应该得到一个文件大小为427*427*3 + 1 = 546988字节。假设你的图片是RGB格式且值范围在0-255之间。一旦你验证了这一点，你就可以在TensorFlow中运行了。可以使用TensorBoard来可视化一张图像，以确保正确性。
编辑2：
根据提问者在评论中的问题，
if not eval_data: filenames = [os.path.join(data_dir, 'data_batch_%d.bin' % i) for i in xrange(1, 6)]如果你真的想让它按原样工作，你需要研究CIFAR10代码的函数调用。在cifar10_input中，批次是硬编码的。所以你需要编辑这行代码以适应bin文件的名称。或者，只需将你的图像均匀分布到6个bin文件中即可。
