#?coding=utf-8

import?tensorflow?as?tf
import?pickle
import?random

#?defines?the?size?of?the?batch.
BATCH_SIZE?=?40
#?one?channel?in?our?grayscale?images.
NUM_CHANNELS?=?1
#?The?random?seed?that?defines?initialization.
SEED?=?42223

IMAGE_SIZE?=?64

NUM_LABELS?=?2

import?numpy?as?np
from?PIL?import?Image
import?os

class_num?=?2
img1_num?=?10000
img2_num?=?10000
img1_test_num?=?1000
img2_test_num?=?1000
train_num?=?img1_num?+?img2_num
test_total_num?=?img1_test_num?+?img2_test_num

image_height?=?64
image_width?=?64
image_channle?=?1

data_path1?=?‘/home/skywalker/桌面/cnn/1.1‘
data_path2?=?‘/home/skywalker/桌面/cnn/2.1‘
#data_path3?=?‘/Users/xinruyue/Desktop/python_test/3‘

def?ImageToMatrix（filename）:
????im?=?Image.open（filename）
????widthheight?=?im.size
????im?=?im.convert（“L“）
????data?=?im.getdata（）
????data?=?np.matrix（data）
????#new_data?=?np.reshape（data（widthheight））
????new_data?=?np.reshape（data（heightwidth））
????return?new_data

for?root?dirs?files?in?os.walk（data_path1）:
????f1?=?files
img1?=?[]
for?each?in?f1:
????path?=?os.path.join（data_path1each）
????img1.append（ImageToMatrix（path））
print（len（img1））

for?root?dirs?files?in?os.walk（data_path2）:
????f2?=?files
img2?=?[]
for?each?in?f2:
????path?=?os.path.join（data_path2each）
????img2.append（ImageToMatrix（path））
print（len（img2））

‘‘‘
for?root?dirs?files?in?os.walk（data_path3）:
????f3?=?files
img3?=?[]
for?each?in?f3:
????path?=?os.path.join（data_path3each）
????img3.append（ImageToMatrix（path））
‘‘‘

dummy_train_data?=?img1[:img1_num]?+?img2[:img2_num]

dummy_train_labels?=?np.zeros（（train_numclass_num））
dummy_train_labels[:img1_num?0?]?=?1
dummy_train_labels[img2_num:?1?]?=?1
#dummy_train_labels[3000:?2?]?=?1

data_label_pair?=?list（zip（dummy_train_data?dummy_train_labels））
random.shuffle（data_label_pair）

train_data_temp?=?list（zip（*data_label_pair））[0]
train_labels_temp?=?list（zip（*data_label_pair））[1]
print（len（train_data_temp））
train_data?=?np.array（train_data_temp）.reshape（（train_numimage_heightimage_widthimage_channle））.astype（np.float32）
train_labels?=?np.array（train_labels_temp）

train_size?=?train_labels.shape[0]

#?prepare?test?datas?and?labels
dummy_test_data?=?img1[img1_num:img1_num?+?img1_test_num]?+?img2[img2_num:img2_num?+?img2_test_num]

dummy_test_labels?=?np.zeros（（test_total_numclass_num））
dummy_test_labels[:img1_test_num?0?]?=?1
dummy_test_labels[img2_test_num:?1?]?=?1
#dummy_test_labels[400:?2?]?=?1

test_data_label_pair?=?list（zip（dummy_test_data?dummy_test_labels））
random.shuffle（test_data_label_pair）

test_data_temp?=?list（zip（*test_data_label_pair））[0]
test_labels_temp?=?list（zip（*test_data_label_pair））[1]
print?len（test_data_temp）
test_data?=?np.array（test_data_temp）.reshape（（test_total_numimage_heightimage_widthimage_channle））.astype（np.float32）
test_labels?=?np.array（test_labels_temp）

train_data_node?=?tf.placeholder（
??tf.float32
??shape=（BATCH_SIZE?IMAGE_SIZE?IMAGE_SIZE?NUM_CHANNELS））
train_labels_node?=?tf.placeholder（