以Mnist为例从头开始自己建立数据集，搭建resnet34,识别Mnist
写在前面：
本人小白研一，刚开始学习深度学习，将自己的第一个实验过程总结下来，看了很多的大牛的博客，在下面的程序中也参考了很多大牛的博客。在刚开始入门的学习的时候，直接编写程序下载数据集，但是后来觉得可能会用到自己手动构建数据集。所以自己参考了一些博客，尝试了从自己手动构造数据集——搭建Resnet34网络——训练——验证的一整个过程。下面将自己的实验过程记录如下。本文重点介绍自己构建数据集与神经网络搭建部分
本人才疏学浅，刚入门，有错误纰漏的地方恳请各位批评指正。
第一章：
首先需要自己构建Mnist数据集，当然也可以自己从网络上下载。在这里，由于本人有点作，想尝试自己构造数据集，话不多说，直接贴代码
1 #!/usr/bin/env python 3.6 2 #_*_coding:utf-8 _*_ 3 #@Time :2019/11/7 9:10 4 #@Author :控制工程小白 5 #@FileName: 自己制作Mnist数据集.py 6 7 #@Software: PyCharm 8 import torch 9 import torchvision 10 from skimage import io 11 #import os12 mnist_train=torchvision.datasets.MNIST('./make_mnistdata',train=True,download=True)#首先下载数据集，并数据分割成训练集与数据集13 mnist_test=torchvision.datasets.MNIST('./make_mnistdata',train=False,download=True) 14 print('testset:',len(mnist_test)) 15 #txt_path = "G:/Mnist_Recognition/mnist_label.txt"16 # if not os.path.exists(txt_path):17 # os.makedirs(txt_path)18 f=open("./mnist_test.txt",'w')#在指定路径之下生成.txt文件19 for i,(img,label) in enumerate(mnist_test): 20 img_path = "./mnist_test/" + str(i) + ".jpg"21 io.imsave(img_path, img)#将图片数据以图片.jpg格式存在指定路径下22 img_paths=img_path+str(i)+".jpg"23 f.write(img_path+' '+str(label)+'\n')#将路径与标签组合成的字符串存在.txt文件下24 f.close()#关闭文件
注意，在运行这段代码之前应该在根目录下新建一个mnist_train文件夹用于存放训练集的图片，新建mnist_test文件夹用于存放测试集的图片，运行这段代码之后会生成一个mnist_test.txt与mnist_train.txt 文件，用来储存各个字符串，这个字符串由每个图片的路径与对应的标签组成，至于这样做有什么用，请看下文。贴一下上述代码运行结果
