前言

博主因為這個數據集踩了好多坑，浪費了好幾天時間，最近終于找到了高效的辦法，寫此篇文章來記錄具體操作方法，也希望可以幫助到有需要的人。（主要是在云服務器是使用）

下載數據集

一共下載三個文件，力求高效，也不要糾結在官網下載了（官網需要學校郵箱），下載的文件和官網一樣的。
在Linux上直接用命令行進行下載：

1.訓練集（ILSVRC2012_img_train.tar）：【費時3h+】

wget https://image-net.org/data/ILSVRC/2012/ILSVRC2012_img_train.tar --no-check-certificate

2.驗證集（ILSVRC2012_img_val.tar）：【費時40min+】

wget https://image-net.org/data/ILSVRC/2012/ILSVRC2012_img_val.tar --no-check-certificate

3.標簽映射文件（ILSVRC2012_devkit_t12.tar.gz）：【費時幾秒】

wget https://image-net.org/data/ILSVRC/2012/ILSVRC2012_devkit_t12.tar.gz --no-check-certificate

下載好后是這樣的

解壓數據集

1.在當前目錄下執行命令，解壓ILSVRC2012_devkit_t12.tar.gz這個文件：

tar -xzf ILSVRC2012_devkit_t12.tar.gz

會得到文件夾ILSVRC2012_devkit_t12，該文件中記錄著驗證集中的圖像名及其類別標簽之間的映射關系。

2.在當前目錄下創建val文件夾，使用命令解壓。執行命令，將驗證集圖像解壓到 val 目錄下：

tar xvf ILSVRC2012_img_val.tar -C ./val

此時 val 目錄下是50000張圖像，并沒有被分類到1000個文件夾下。因此需要將驗證集中的圖像進行分類存放。【稍后會講怎么操作】

3.在當前目錄下創建img文件夾，存ILSVRC2012_img_train.tar解壓后的1000個.tar文件。執行命令，將訓練集解壓到文件夾 img目錄下：

tar xvf ILSVRC2012_img_train.tar -C ./img

用腳本檢查是不是有1000個.tar文件，執行腳本代碼如下【將代碼保存為.py文件】（可選）

import osdef count_tar_files():count = 0for root, dirs, files in os.walk('.'):for file in files:if file.endswith('.tar'):count += 1return countif __name__ == "__main__":tar_file_count = count_tar_files()print(f"當前目錄及其子目錄下共有 {tar_file_count} 個.tar 文件。")

在當前目錄下創建train文件夾，存1000個.tar文件解壓后的圖片。
執行腳本代碼如下【將代碼保存為.py文件】

import os
import tarfile
from pathlib import Pathdef batch_extract_tar():"""批量解壓目錄下的所有.tar文件解壓后的文件將保存到知道目錄中"""# 指定絕對路徑【換成你自己的】source_dir = "/root/lanyun-tmp/img"target_dir = "/root/lanyun-tmp/train"# 驗證源目錄是否存在source_path = Path(source_dir)if not source_path.exists() or not source_path.is_dir():print(f"錯誤: 源目錄 '{source_dir}' 不存在或不是目錄")return# 創建目標目錄（如果不存在）target_path = Path(target_dir)target_path.mkdir(parents=True, exist_ok=True)# 統計解壓的文件數量extracted_count = 0failed_count = 0# 直接遍歷源目錄中的所有文件for item in source_path.iterdir():if item.is_file() and item.suffix.lower() == '.tar':try:print(f"正在解壓: {item}")# 獲取tar文件名（不含擴展名），用于創建子目錄tar_name = item.stem  # 例如：n01440764.tar → n01440764target_subdir = target_path / tar_nametarget_subdir.mkdir(exist_ok=True)# 打開tar文件并解壓到目標子目錄with tarfile.open(item, 'r') as tar:tar.extractall(path=target_subdir)print(f"成功解壓到: {target_subdir}")extracted_count += 1except Exception as e:print(f"錯誤: 解壓文件 '{item}' 失敗: {e}")failed_count += 1print(f"解壓完成: 成功 {extracted_count} 個，失敗 {failed_count} 個")if __name__ == "__main__":# 直接調用函數，無需解析命令行參數batch_extract_tar()    

處理val文件夾

解壓后的val文件夾是全部圖片在一個文件夾，需要把他們按類別分開，分類后是和訓練集train一樣的顯示格式，1000個文件夾的名字和順序都是完全一致的。

具體是需要用到文件夾ILSVRC2012_devkit_t12下的文件

先執行命令安裝scipy包

pip install scipy  # 用于解析 .mat 文件

執行腳本代碼如下【將代碼保存為.py文件】

from scipy import io
import os
import shutildef move_valimg(val_dir='./val', devkit_dir='./ILSVRC2012_devkit_t12'):"""move valimg to correspongding folders.val_id(start from 1) -> ILSVRC_ID(start from 1) -> WINDorganize like:/val/n01440764images/n01443537images....."""# load synset, val ground truth and val images listsynset = io.loadmat(os.path.join(devkit_dir, 'data', 'meta.mat'))ground_truth = open(os.path.join(devkit_dir, 'data', 'ILSVRC2012_validation_ground_truth.txt'))lines = ground_truth.readlines()labels = [int(line[:-1]) for line in lines]root, _, filenames = next(os.walk(val_dir))for filename in filenames:# val image name -> ILSVRC ID -> WINDval_id = int(filename.split('.')[0].split('_')[-1])ILSVRC_ID = labels[val_id-1]WIND = synset['synsets'][ILSVRC_ID-1][0][1][0]print("val_id:%d, ILSVRC_ID:%d, WIND:%s" % (val_id, ILSVRC_ID, WIND))# move val imagesoutput_dir = os.path.join(root, WIND)if os.path.isdir(output_dir):passelse:os.mkdir(output_dir)shutil.move(os.path.join(root, filename), os.path.join(output_dir, filename))if __name__ == '__main__':move_valimg()

到此，恭喜你已經完成了全部工作。

尾聲

一些碎碎念念。博主一開始在官網下載不了數據集，在咸🐟上花幾塊錢買了百度網盤資源，先把資源下載在本地之后又通過FileZilla來把資源上傳到云服務器上【因為網絡傳輸的不穩定，FileZilla還經常傳輸失敗】，花了好幾天終于完成了數據集的下載與上傳工作，結果處理val驗證集成功之后發現他的1000個文件夾與train的1000個文件夾名有一些對不上【具體來說就是train文件夾中有兩個文件夾是完全重復的一個是XXX.tar文件另外一個是XXX(1).tar文件，然后val中的最后一個文件，train中沒有。】，博主的心情五味雜陳，這證明train文件有錯，博主前面的工作都白費了那些資源根本用不了，咸魚上的ImageNet的網盤資源大家還是不要隨便相信了。