import tensorflow as tf
import os

#這就是數(shù)據(jù)所在的路徑，其子目錄是若干個(gè)文件夾，分別對(duì)應(yīng)一類數(shù)據(jù)，
#文件夾下存放的就是對(duì)應(yīng)那一類的數(shù)據(jù)。
#命名方式：1，2，3，4····（代表不同的類別，簡(jiǎn)單粗暴）
path="./data"

classes=2#數(shù)據(jù)類別的數(shù)量
imagesList=[]#存放圖片數(shù)據(jù)的列表（這里存放的僅僅是圖片所在的路徑，并不是圖片）
labelsList=[]#存放標(biāo)簽，與上面圖片是一一對(duì)應(yīng)的
filepaths=[os.path.join(path,"%d"%i)for i in range (1,classes+1)]#存放path的子目錄的路徑
for p in filepaths:
 for filename in os.listdir(p):#獲取圖片的名字
  imagesList.append(os.path.join(p,filename))#圖片名和路徑拼接，然后如隊(duì)列
  labelsList.append(int(p[-1]))#這里是按照命名的方式，p的最后一個(gè)字符就是類別

image = tf.cast(imagesList,tf.string)#轉(zhuǎn)化成tf的數(shù)據(jù)類型
label = tf.cast(labelsList,tf.int64)
queue = tf.train.slice_input_producer([image,label])#生成隊(duì)列，這里也就關(guān)鍵的地方
label = queue[1]
image_c = tf.read_file(queue[0])
image = tf.image.decode_jpeg(image_c,channels = 3)
training_image_data = tf.image.resize_images(image, [2, 2]) #這個(gè)函數(shù)是重塑行，具體干嘛不清楚，不用有時(shí)報(bào)錯(cuò)
example_batch, label_batch = tf.train.shuffle_batch([training_image_data,label], batch_size=1, capacity=2, min_after_dequeue=1) #生成Batch
# 運(yùn)行Graph 
with tf.Session() as sess: 
 coord = tf.train.Coordinator() #創(chuàng)建一個(gè)協(xié)調(diào)器，管理線程 
 threads = tf.train.start_queue_runners(coord=coord) #啟動(dòng)QueueRunner, 此時(shí)文件名隊(duì)列已經(jīng)進(jìn)隊(duì)。 
 for i in range(6): 
  e_val,l_val = sess.run([example_batch, label_batch]) 
  print (e_val,l_val)#弄些簡(jiǎn)單的數(shù)據(jù)來(lái)測(cè)試效果。

 coord.request_stop() 
 coord.join(threads)