PaddleX/docs/data/format/classification.md

图像分类ImageNet

数据文件夹结构

在PaddleX中，图像分类支持ImageNet数据集格式。数据集目录data_dir下包含多个文件夹，每个文件夹中的图像均属于同一个类别，文件夹的命名即为类别名（注意路径中不要包括中文，空格）。 如下为示例结构

MyDataset/ # 图像分类数据集根目录
|--dog/ # 当前文件夹所有图片属于dog类别
|  |--d1.jpg
|  |--d2.jpg
|  |--...
|  |--...
|
|--...
|
|--snake/ # 当前文件夹所有图片属于snake类别
|  |--s1.jpg
|  |--s2.jpg
|  |--...
|  |--...

划分训练集验证集

为了用于训练，我们需要在MyDataset目录下准备train_list.txt, val_list.txt和labels.txt三个文件，分别用于表示训练集列表，验证集列表和类别标签列表。点击下载图像分类示例数据集

注：也可使用PaddleX自带工具，对数据集进行随机划分，在数据集按照上面格式组织后，使用如下命令即可快速完成数据集随机划分，其中val_value表示验证集的比例，test_value表示测试集的比例（可以为0），剩余的比例用于训练集。

> paddlex --split_dataset --format ImageNet --dataset_dir MyDataset --val_value 0.2 --test_value 0.1
> ```


**labels.txt**  

labels.txt用于列出所有类别，类别对应行号表示模型训练过程中类别的id(行号从0开始计数)，例如labels.txt为以下内容

dog cat snake

即表示该分类数据集中共有3个类别，分别为`dog`，`cat`和`snake`，在模型训练中`dog`对应的类别id为0, `cat`对应1，以此类推

**train_list.txt**  

train_list.txt列出用于训练时的图片集合，与其对应的类别id，示例如下

dog/d1.jpg 0 dog/d2.jpg 0 cat/c1.jpg 1 ... ... snake/s1.jpg 2

其中第一列为相对对`MyDataset`的相对路径，第二列为图片对应类别的类别id

**val_list.txt**  

val_list列出用于验证时的图片集成，与其对应的类别id，格式与train_list.txt一致

## PaddleX数据集加载  
示例代码如下,

import paddlex as pdx from paddlex.cls import transforms train_transforms = transforms.Compose([

transforms.RandomCrop(crop_size=224), transforms.RandomHorizontalFlip(),
transforms.Normalize()

]) eval_transforms = transforms.Compose([

transforms.ResizeByShort(short_size=256),
transforms.CenterCrop(crop_size=224), transforms.Normalize()

]) train_dataset = pdx.datasets.ImageNet(

                data_dir='./MyDataset',
                file_list='./MyDataset/train_list.txt',
                label_list='./MyDataset/labels.txt',
                transforms=train_transforms)

eval_dataset = pdx.datasets.ImageNet(

                data_dir='./MyDataset',
                file_list='./MyDataset/eval_list.txt',
                label_list='./MyDataset/labels.txt',
                transforms=eval_transforms)

```