- Unsupported image format. Supported formats are JPEG and PNG file: /Users/wsy/Dropbox/var/wsywork/learn/demo-workshops/demo-python-image-classification/image/walle/.DS_Store
本例中提示，有几个.DS_Store文件，TuriCreate不熟悉，无法算作图片来攫取。
这些.DS_Store文件，是苹不雅macOS体系创建的隐蔽文件，用来保存目次的自定义属性，例如搁笔地位或背景色彩。
我们忽视这些信息即可。
下面，我们来看看，data数据框琅绫擎都有什么。
可以看到，data包含两列信息，第一列是图片的地址，第二列是图片的长宽描述。
因为我们应用了119张哆啦a梦图片，80张瓦力争片，所以总共的数据量是199条。数据攫取完全性验证经由过程。
下面，我们须要让TuriCreate懂得不合图片的标记（label）信息。也就是，一张图片到底是哆啦a梦，照样瓦力呢？
这就是为什么一开端，你就得把不合的图片分类保次木不呵９依υ?件夹下面。
此时，我们应用文件夹名称，来给图片打标记。
- data['label'] = data['path'].apply(lambda path: 'doraemon' if 'doraemon' in path else 'walle')
这条语句，把doraemon目次下的图片，在data数据框里打标记为doraemon。反之就都视为瓦力（walle）。
我们来看看标记之后的data数据框。
可以看到，数据的条目数量（行数）是一致的，只是多出来了一个标记列（label），解释图片的类别。
我们把数据存储一下。
- data.save('doraemon-walle.sframe')
这个存储动作，让我们保存到今朝的数据处理结不雅。之后的分析，只须要读入这个sframe文件就可以了，不须要大年夜头去跟文件夹打交道了。
大年夜这个例子里，你可能看不出什么竽暌古势。然则想象一下，如不雅你的图片有好几个G，甚至几个T，每次做分析处理，都大年夜头攫取文件和打标记，就会异常耗时。
我们深刻摸索一下数据框。
TuriCreate供给了异常便利的explore()函数，赞助我们直不雅摸索数据框信息。
- data.explore()
请看上图中最下面的那一个，就是它的大年夜略样子。
这时刻，TuriCreate会弹出一个页面，给我们展示数据框琅绫擎的内容。
本来打印data数据框，我们只能看到图片的尺寸，此时却可以浏览图片的内容。
如不雅你认为图片太小，没紧要。把鼠标悬停在某张缩略图膳绫擎，就可以看到大年夜图。
数据框摸索完毕。我们回到notebook下面，持续写代码。
这里我们让TuriCreate把data数据框分为练习集合和测试集合。
- train_data, test_data = data.random_split(0.8, seed=2)
练习集合是用来让机械进行不雅察进修的。电脑会应悠揭捉?练集合的数据本身建立模型。然则模型的效不雅（例如分类的精确程度）若何？我们须要用测试集来进行验证测试。
这就如同师长教师不该该把测验标题都拿来给学生做功课和演习一样。只有考学生没见过的题，才能区分学生是控制了精确的解题办法，照样逝世记硬背了功课谜底。
我们让TuriCreate把80%的数据分给了练习集，把残剩20%的数据拿到一边，等待测试。这里我设定了随机种子取值为2，这是为了包管数据拆分的一致性。以便反复验证我们的结不雅。
好了，下面我们让机械开端不雅察进修练习集中的每一个数据，并且测验测验本身建立模型。
下面代码第一次履行的时刻，须要等待一段时光。因为TuriCreate须要大年夜苹不雅开辟者官网高低载一些数据。这些数据大年夜概100M阁下。
须要的时长，依你和苹不雅办事器的连接速度而异。反正在我这儿，下载挺慢的。
好在只有第一次须要下载。之后的反复履行，会跳过下载步调。
下载完毕后，你会看到TuriCreate的练习信息。
网友点评
精彩导读
科技快报
品牌展示