第三卷 第三章 准备ImageNet（1）

        下载 ImageNet 数据集后，现在有超过 1200 万张图像驻留在磁盘上，它们都没有“人类可读”的文件名。

        在本章中，我们将从了解 ImageNet 文件结构开始，包括原始图像和开发工具包（即“DevKit”）。 从那里，我们将编写一个辅助 Python 实用程序脚本，使我们能够解析 ImageNet 文件名 + 类标签，创建一个很好的输出文件，将给定的输入文件名映射到其相应的标签（每行一个文件名和标签）。

        最后，我们将这些输出文件与 mxnet im2rec 工具一起使用，该工具将获取我们的映射并创建高效打包的记录 (.rec) 文件，这些文件可用于在太大而无法放入主内存的数据集上训练深度模型。我们会发现，这种 .rec 格式不仅比 HDF5 更紧凑，而且 I/O 效率也更高，使我们能够更快地训练我们的网络。

        1、了解 ImageNet 文件结构

        假设您已经完成了 ILSVRC2012_CLS-LOC.tar.gz 文件的下载，建议在睡觉前进行解压，第二天你可以进入文件夹查看，包含三个文件夹Annotations、Data、ImageSets。

        Annotations 目录。 该目录仅用于定位挑战（即对象检测），因此我们可以忽略该目录。

        Data目录最重要，在 Data 内部，我们会找到一个名为 CLS-LOC 的子目录：在这里，我们可以找到训练、测试和验证“拆分”。