如何按文件夹名称而非文件名将图像导入图像分类器？

没问题，我来帮你把脚本改成根据文件夹名称自动识别图像类别，这样就不用依赖文件名开头的cat/dog啦～

核心思路调整 #

原来的逻辑是从文件名提取类别标签，现在改成从文件夹名称获取：

• 假设你的训练目录结构是这样的：

  train/
      cats/
          cat001.jpg
          cat002.jpg
          ...
      dogs/
          dog001.jpg
          dog002.jpg
          ...
  

• 每个子文件夹的名字（cats/dogs）就是对应图像的类别，我们可以把它转换成模型需要的数值标签（比如cats对应0，dogs对应1）。

修改后的完整代码片段 #

import cv2  # 处理图像（主要是缩放）
import numpy as np  # 处理数组
import os  # 处理目录
from random import shuffle  # 打乱数据

# 定义训练数据根目录，改成你自己的实际路径
TRAIN_DIR = './train'
# 定义统一的图像大小，可根据你的需求调整
IMG_SIZE = 50

def create_train_data():
    training_data = []
    # 遍历训练根目录下的所有子文件夹（每个文件夹对应一个类别）
    for class_folder in os.listdir(TRAIN_DIR):
        class_path = os.path.join(TRAIN_DIR, class_folder)
        # 跳过目录里的非文件夹内容（比如临时文件）
        if not os.path.isdir(class_path):
            continue
        
        # 把文件夹名转换成数值标签：cats→0，dogs→1
        label = 0 if class_folder == 'cats' else 1
        
        # 遍历当前类别文件夹里的所有图像文件
        for img_name in os.listdir(class_path):
            try:
                # 读取图像并转成灰度图（如果需要彩色可以去掉cv2.IMREAD_GRAYSCALE）
                img_path = os.path.join(class_path, img_name)
                img = cv2.imread(img_path, cv2.IMREAD_GRAYSCALE)
                # 缩放图像到统一尺寸
                img = cv2.resize(img, (IMG_SIZE, IMG_SIZE))
                # 将图像数据和对应标签加入训练列表
                training_data.append([np.array(img), label])
            except Exception as e:
                # 跳过读取失败的损坏图像，避免脚本崩溃
                print(f"读取图像出错: {img_path}, 错误信息: {e}")
                continue
    
    # 打乱训练数据，避免模型学习到顺序规律
    shuffle(training_data)
    # 拆分特征数据和标签，方便后续模型训练
    X = np.array([i[0] for i in training_data]).reshape(-1, IMG_SIZE, IMG_SIZE, 1)  # 灰度图是单通道，彩色的话改成3
    y = np.array([i[1] for i in training_data])
    return X, y

# 生成训练数据集
X_train, y_train = create_train_data()

关键部分说明 #

• os.listdir(TRAIN_DIR)：自动获取训练根目录下的所有类别文件夹，不用手动写死类别名称
• 标签转换：用简单的条件判断实现，如果后续要加更多类别，可以改成字典映射（比如label_map = {'cats':0, 'dogs':1, 'birds':2}）
• 异常处理：防止个别损坏的图像导致整个脚本中断
• 数据打乱：保证训练数据的随机性，让模型学得更扎实

这样修改后，你只需要把猫的图像统一放到train/cats文件夹，狗的图像放到train/dogs文件夹，脚本就会自动识别每个图像的类别啦～

内容的提问来源于stack exchange，提问作者SaladSnake