我一直在使用Tensorflow的教程来学习神经网络。我完成了“基本分类”，这基本上就是MNIST，并一直在尝试制作自己的自定义变体作为一个小小的思想实验。除了将数据集转换为可用的形式外，一切都非常直观，因为教程使用的是预制的数据库，看起来它在某些方面有所简化。我只想知道如何将一张彩色照片转换为可用的数据。我假设这将是一个一维数组。作为一个附带问题，如果将二维照片存储在一维数组中，而这不是一个卷积神经网络（CNN），神经网络的效果会不会有所下降？

回答：

Keras中包含的数据集都是预制的，通常已经预处理过，以便初学者可以轻松尝试。对于使用你自己的图像，比如猫狗图像分类问题，你可以将图像放置在两个不同的目录中，例如，在images/cats和images/dogs中。现在，我们解析这些目录中的每一张图像，

import osfrom PIL import Imagemaster_dir = 'images'img_dirs = os.listdir( master_dir ) for img_dir in img_dirs:    img_names = os.listdir( os.path.join( master_dir , img_dir ) )     for name in img_names:        img_path = os.path.join( master_dir , img_dir , name )         image = Image.open( img_path ).resize( ( 64 , 64 ) ).convert( 'L' )         # 将此图像存储在一个数组中，并附上相应的标签

这里，image将是一个形状为(64, 64)的数组，这表明图像是灰度的。除了代码中的.convert( 'L' )，我们还可以使用.convert( 'RGB' )来获得形状为(64,64,3)的RGB图像。

现在，

• 将所有图像和标签收集到一个Python的list中。
• 将列表转换为NumPy数组。
• 使用np.save()方法将NumPy数组存储在一个.npy文件中。
• 在训练模型的文件中，使用np.load()方法加载这些文件，并将它们输入到模型中。