深度学习训练集问题

小弟是深度学习方面新手

最近想试试图像辨识但遇到了难题

我想辨认的三种东西分别是lad, lcx, rca

这三个类型的资料夹下分别又有100个资料夹里面是5张jpg档

train ->floder
-----lad ->floder
----------1 ->floder
---------------v1 v2 v3 v4 v5 ->jpg
----------2 ->floder
---------------v1 v2 v3 v4 v5 ->jpg
----------3 ->floder
---------------v1 v2 v3 v4 v5 ->jpg
-----lcx ->floder
----------1 ->floder
---------------v1 v2 v3 v4 v5 ->jpg
----------2->floder
---------------v1 v2 v3 v4 v5 ->jpg
----------3->floder
---------------v1 v2 v3 v4 v5 ->jpg

test 和 vaildation 资料夹也是同样结构

一般的文章或书籍所教之方法的资料结构都是
train ->floder
-----lad ->floder
----------1->jpg
----------2->jpg
----------3->jpg
----------4->jpg
lcx ->floder
----------1->jpg
----------2->jpg
----------3->jpg
----------4->jpg

5张图片放置在"rcx", "lad", "lcx"资料夹底下的"1", "2", "3", "4", "5" 资料夹

请问各位前备我该用哪种语法让模型知道训练的图片在资料夹下

我用的是python的tensorflow

程式码如下:

labels = ['lad', 'rca', 'lcx']def get_data(data_dir):    data = []     for label in labels:         path = os.path.join(data_dir, label)        class_num = labels.index(label)        dirs = os.listdir(path)        for file in dirs:            pic_dir=os.path.join(path,file)            for i in os.listdir(pic_dir):                image_dir=os.path.join(pic_dir,i)                img1 = cv2.imread(os.path.join(path, image_dir))                img1 = cv2.cvtColor(img1, cv2.COLOR_RGB2BGR)                data.append([img1, class_num])    return np.array(data)    train = get_data('C:/')    test = get_data('C:/')x_train = []y_train = []x_val = []y_val = []for feature, label in train:    x_train.append(feature)    y_train.append(label)    for feature, label in test:    x_val.append(feature)    y_val.append(label)        x_train = np.array(x_train) / 255x_val = np.array(x_val) / 255        x_train.reshape(-1, img_size, img_size, 1)y_train = np.array(y_train)        x_val.reshape(-1, img_size, img_size, 1)y_val = np.array(y_val)

感谢大家的指教!

每个留言我都会认真看!!