ImageNet数据集是当前图像处理界最有名的数据集之一，本文将介绍将数据集下载，并转换为TFCode的全过程。
环境搭建
我们需要程序将数据集转化为TensorFlow可以处理的TFCode形式，我们默认电脑环境支持TensorFlow的运行。新建一个文件夹，之后将下面的项目clone到本地。
进入 models/research/inception/inception/data/ 路径，之后下载的文件都需要放入这个路径中。
注册
ImageNet是一个不可用于商业目的的数据集，用户下载的话需要通过提交申请，而提交申请的方式是通过edu邮箱认证信息。（一般的邮箱是不会被通过的）
点击进入官网，选择右上角的Signup，进入注册界面。
输入个人信息，点击人机身份验证，之后注册成功。值得注意的是，非edu邮箱也能注册成功，但是是无法下载原始图像数据集的。
按要求登录之后，需要我们向ImageNet官网提交申请，建议如实填写各项信息。
点击Update，如果你正确填写了edu邮箱信息的话，你会收到一封验证邮件，点开之后就能获得权限下载数据集了。
下载
我们回到主页，点击Download，选择Download Original Images。
会出现历年的数据集，我们选用经典的ILSVRC2012作为实例。
我们需要下载三个文件：
- Training images (Task 1 & 2). 138GB.
- Validation images (all tasks). 6.3GB.
- Training bounding box annotations (Task 1 & 2 only). 20MB.
神奇的是这个文件太大，迅雷会员用不了，甚至会报错导致下载失败，所以我们需要一个下载器下载，这里我们选用的是Internet Download Manager(IDM)下载器，这个下载器支持续传和多线程下载。
不过ImageNet官网不建议使用多线程下载加速，不然会被封号。所以还是慢慢下载，猥琐发育。笔者以3M/s的速度，大概24小时就下好了。
转化
将三个文件下载好之后，我们将三个文件统一放入models/research/inception/inception/data/ 路径下，之后运行脚本。
mkdir -p ILSVRC2012
mkdir -p ILSVRC2012/raw-data
mkdir -p ILSVRC2012/raw-data/imagenet-data
mkdir -p ILSVRC2012/raw-data/imagenet-data/bounding_boxes
mv ILSVRC2012_bbox_train_v2.tar.gz ILSVRC2012/raw-data/imagenet-data/bounding_boxes/
tar xvf ILSVRC2012/raw-data/imagenet-data/bounding_boxes/ILSVRC2012_bbox_train_v2.tar.gz -C ILSVRC2012/raw-data/imagenet-data/bounding_boxes/
NUM_XML=$(ls -1 ILSVRC2012/raw-data/imagenet-data/bounding_boxes/* | wc -l)
echo "Identified ${NUM_XML} bounding box annotations."
mkdir -p ILSVRC2012/raw-data/imagenet-data/validation/
tar xf ILSVRC2012_img_val.tar -C ILSVRC2012/raw-data/imagenet-data/validation/
mkdir -p ILSVRC2012/raw-data/imagenet-data/train/
mv ILSVRC2012_img_train.tar ILSVRC2012/raw-data/imagenet-data/train/ && cd ILSVRC2012/raw-data/imagenet-data/train/
tar -xvf ILSVRC2012_img_train.tar && rm -f ILSVRC2012_img_train.tar
find . -name "*.tar" | while read NAE ; do mkdir -p "${NAE%.tar}"; tar -xvf "${NAE}" -C "${NAE%.tar}"; rm -f "${NAE}"; done
cd .. && cd .. && cd .. && cd ..
python preprocess_imagenet_validation_data.py ILSVRC2012/raw-data/imagenet-data/validation/ imagenet_2012_validation_synset_labels.txt
#这一步应将preprocess_imagenet_validation_data.py里面的JPEG改为jpeg
python process_bounding_boxes.py ILSVRC2012/raw-data/imagenet-data/bounding_boxes/ imagenet_lsvrc_2015_synsets.txt | sort > ILSVRC2012/raw-data/imagenet_2012_bounding_boxes.csv
#这一步应将process_bounding_boxes.py里面的JPEG改为jpeg
python build_imagenet_data.py --train_directory=ILSVRC2012/raw-data/imagenet-data/train/ --validation_directory=ILSVRC2012/raw-data/imagenet-data/validation/ --output_directory=ILSVRC2012/ --imagenet_metadata_file=imagenet_metadata.txt --labels_file=imagenet_lsvrc_2015_synsets.txt --bounding_box_file=ILSVRC2012/raw-data/imagenet_2012_bounding_boxes.csv
#这一步应将build_imagenet_data.py里面的JPEG改为jpeg之后就可以等待执行完成了，至此大功告成。
