现在网上有很多关于Deeplearning的教程，不过这些教程的数据集都是已经做好的，并且格式名字什么的都已经整理好了。特别是很多入门的教程都是Mnist 的数据集，这都已经非常的完善了。不过对于想自己制作数据集的小白来说，如何将自己收集的图片批量转换为自己需要的格式呢，网上提到的并不多。作为菜鸟一枚，现在把自己制作数据集的方法，和各位大牛分享下，如有谬误，还请斧正。
以一个Cat VS Dog 二分类为例。首先，将自己从网上爬的图片分别两个文件夹，文件夹名称为分类对象（cat ,dog）。
然后再通过调用函数，统一修改图片的名字，分别以 cat0.jpg ,cat1.jpg, cat2.jpg ,cat3.jpg ......
dog.0，dog.1，dog.2，dog.3，dog.4......方式进行重命名。
step 1. 刚开始的文件及图片
train文件下的两个子文件
刚爬下来cat文件下图片的名称（一般网上直接爬下来的图片名字都不统一，会比较乱）
闲话不说，直接上代码
import os
def rename(file_dir,name):
'''将网上爬下来的图片重命名（更好的观看）'''
'''第一个参数是目标文件名 第二个参数是图片的名称'''
i=0
for file in os.listdir(file_dir):
'''获取该路径文件下的所有图片'''
src = os.path.join(os.path.abspath(file_dir), file)
'''修改后图片的存储位置（目标文件夹+新的图片的名称）'''
dst = os.path.join(os.path.abspath(file_dir), name+str(i) + '.jpg')
os.rename(src, dst) #将图片重新命名
i=i+1
file_dir='C:/Users/ASUS/Desktop/train' #目标下的文件夹名称
rename(file_dir+'/cat','cat') #获取目标文件夹下，子文件的的路径 并进行重命名
rename(file_dir+'/dog','dog')
这是修改后的子文件夹下图片的名称
