#-*-?coding:UTF-8?-*-
import?random
import?os
import?numpy?as?np
from?sklearn.cross_validation??import?train_test_split
from?keras.preprocessing.image?import?ImageDataGenerator
from?keras.models?import?Sequential
from?keras.layers?import?Dense?Dropout?Activation?Flatten
from?keras.layers?import?Convolution2D?MaxPooling2D
from?keras.optimizers?import?SGD
from?keras.utils?import?np_utils
from?keras.models?import?load_model
from?keras?import?backend?as?K
import?cv2


from?imgProcess?import?load_dataset?resize_imageIMAGE_SIZE?#調(diào)用兩個(gè)函數(shù)和一個(gè)宏定義

class?Dataset:
????def?__init__（selfpath_name）:
????????self.train_img????=?None
????????self.train_labels?=?None
????????self.valid_img????=?None
????????self.valid_labels?=?None
????????self.test_img?????=?None
????????self.test_labels??=?None
????????self.path_name????=?path_name
????????self.input_shape??=?None
????
????def?loadAllData（selfpath_name）:
????????positive_data_imagespositive_data_labels=load_dataset（path_name‘traindata‘）
????????negative_data_imagesnegative_data_labels=load_dataset（path_name‘testdata‘）
????????images?=np.concatenate（（positive_data_images?negative_data_images）?axis=0）?#數(shù)組拼接
????????labels=np.concatenate（（positive_data_labels?negative_data_labels）?axis=0）
????????return?imageslabels

????
?????#?加載數(shù)據(jù)集并按照交叉驗(yàn)證的原則劃分?jǐn)?shù)據(jù)集并進(jìn)行相關(guān)預(yù)處理工作
????def?load（selfimg_rows=IMAGE_SIZEimg_cols=IMAGE_SIZEimg_channels=3nb_classes=2）:
????????imageslabels?=?self.loadAllData（self.path_name）?#images為四維數(shù)組，尺寸為（圖片數(shù)量總（包括test+train）*IMAGE_SIZE*IMAGE_SIZE*3）
????????#隨機(jī)劃分訓(xùn)練集和驗(yàn)證集
????????train_imagesvalid_imagestrain_labelsvalid_labels?=?train_test_split（images?labels?test_size?=?0.3random_state?=?random.randint（0100））
????????_????????????test_images_????????????test_labels?=?train_test_split（images?labels?test_size?=?0.3random_state?=?random.randint（0100））
????????
????????#?當(dāng)前的維度順序如果為‘th‘，則輸入圖片數(shù)據(jù)時(shí)的順序?yàn)椋篶hannelsrowscols，否則:rowscolschannels
????????#?這部分代碼就是根據(jù)keras庫要求的維度順序重組訓(xùn)練數(shù)據(jù)集
????????if?K.image_dim_ordering（）?==?‘th‘:??#theano的格式
????????????train_images?????=?train_images.reshape（train_images.shape[0]?img_channels?img_rows?img_cols）
????????????valid_images?????=?valid_images.reshape（valid_images.shape[0]?img_channels?img_rows?img_cols）
????????????test_images??????=?test_images.reshape（?test_images.shape[0]??img_channels?img_rows?img_cols）
????????????self.input_shape?=?（img_channels?img_rows?img_cols）
????????else:??#?tensorflow格式
????????????train_images?????=?train_images.reshape（train_images.shape[0]?img_rows?img_cols?img_channels）
????????????valid_images?????=?valid_images.reshape（valid_images.shape[0]?img_rows?img_cols?img_channels）
????????????test_images??????=?test_images.reshape（?test_images.shape[0]??img_rows?img_cols?img_channels）
????????????self.input_shape?=?（img_rows?img_cols?img_channels）
????????
?????????#?輸出訓(xùn)練集、驗(yàn)證集、測試集的數(shù)量
????????print（train_images.shape[0]?‘train?samples‘