import tensorflow as tf
import os

#這就是數據所在的路徑，其子目錄是若干個文件夾，分別對應一類數據，
#文件夾下存放的就是對應那一類的數據。
#命名方式：1，2，3，4····（代表不同的類別，簡單粗暴）
path="./data"

classes=2#數據類別的數量
imagesList=[]#存放圖片數據的列表（這里存放的僅僅是圖片所在的路徑，并不是圖片）
labelsList=[]#存放標簽，與上面圖片是一一對應的
filepaths=[os.path.join(path,"%d"%i)for i in range (1,classes+1)]#存放path的子目錄的路徑
for p in filepaths:
 for filename in os.listdir(p):#獲取圖片的名字
  imagesList.append(os.path.join(p,filename))#圖片名和路徑拼接，然后如隊列
  labelsList.append(int(p[-1]))#這里是按照命名的方式，p的最后一個字符就是類別

image = tf.cast(imagesList,tf.string)#轉化成tf的數據類型
label = tf.cast(labelsList,tf.int64)
queue = tf.train.slice_input_producer([image,label])#生成隊列，這里也就關鍵的地方
label = queue[1]
image_c = tf.read_file(queue[0])
image = tf.image.decode_jpeg(image_c,channels = 3)
training_image_data = tf.image.resize_images(image, [2, 2]) #這個函數是重塑行，具體干嘛不清楚，不用有時報錯
example_batch, label_batch = tf.train.shuffle_batch([training_image_data,label], batch_size=1, capacity=2, min_after_dequeue=1) #生成Batch
# 運行Graph 
with tf.Session() as sess: 
 coord = tf.train.Coordinator() #創建一個協調器，管理線程 
 threads = tf.train.start_queue_runners(coord=coord) #啟動QueueRunner, 此時文件名隊列已經進隊。 
 for i in range(6): 
  e_val,l_val = sess.run([example_batch, label_batch]) 
  print (e_val,l_val)#弄些簡單的數據來測試效果。

 coord.request_stop() 
 coord.join(threads)