機械学習で使うMNISTのようなデータセットを独自に作成するには

Question

プログラミングを初めて約１週間ほどの者です。現在ニューラルネットワークによる画像データの学習・予測プログラムを組もうとしています。
プログラミング技能が低いので、ニューラルネットワークの構築のほとんどをkerasに依存してプログラムを組んでいるのですが、ここで問題があります。

①ネットに落ちているコードの例は、レイヤーの組み方などにフォーカスしているものが多いため、材料として使うデータセットはMNISTなどすでに学習用に構築されたものを使っているものが多く、独自にデータセットを構築する方法がわからない。

②プログラミング能力が低いので、kerasで組んだレイヤーや学習部分のプログラムに影響を与えないように(データセットの作り方のせいで、kerasを使うのを止めてレイヤークラスをゼロからpythonで記述しなおすなどは極力避けたい。レイヤーが複雑になったときに面倒なので。)データセットを構築したい。

③理想はMNISTと同じデータセットの形式をとりたいが、MNISTの形式がわからない。また、MNIST形式にデータセットを構築していく方法がわからない。

の３点です。

現在データセットの構築方法の参考になるWebページなどもなかなか見つからない状態ですので、参考URLなど教えていただけたら幸いです。

また、ニューラルネットの学習用に現在組んでいるプログラムはTensorFlowのホームページに載っている初心者用の練習コードです。
ほとんどコピペですが、参考までに、自分が組んだコードを載せておきます。

#必要なモジュールのインポート
from __future__ import absolute_import, division, print_function

# TensorFlow and tf.keras
import tensorflow as tf
from tensorflow import keras

# Helper libraries
import numpy as np
import matplotlib.pyplot as plt

#MNISTのロード
fashion_mnist = keras.datasets.fashion_mnist

(train_images, train_labels), (test_images, test_labels) = fashion_mnist.load_data()

#画像ファイル(行列式)をピクセル値で0~1に正規化
train_images = train_images / 255.0

test_images = test_images / 255.0

#レイヤーの構築
model = keras.Sequential([
    keras.layers.Flatten(input_shape=(28, 28)),
    keras.layers.Dense(128, activation=tf.nn.relu),
    keras.layers.Dense(10, activation=tf.nn.softmax)
])

#損失関数と最適化計算法を設定
model.compile(optimizer='adam', 
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])

#上の条件で最適化計算(学習)
model.fit(train_images, train_labels, epochs=5, batch_size=1000)

Epoch 1/5
60000/60000 [==============================] - 1s 22us/sample - loss: 0.3813 - acc: 0.8669
Epoch 2/5
60000/60000 [==============================] - 1s 21us/sample - loss: 0.3662 - acc: 0.8735
Epoch 3/5
60000/60000 [==============================] - 1s 21us/sample - loss: 0.3549 - acc: 0.8761
Epoch 4/5
60000/60000 [==============================] - 1s 21us/sample - loss: 0.3462 - acc: 0.8789
Epoch 5/5
60000/60000 [==============================] - 1s 21us/sample - loss: 0.3367 - acc: 0.8819

#testデータに外挿。正確性を評価
test_loss, test_acc = model.evaluate(test_images, test_labels)

print('Test accuracy:', test_acc)

10000/10000 [==============================] - 0s 37us/sample - loss: 0.3835 - acc: 0.8661
Test accuracy: 0.8661

Answer 1

opencvなどを用いて作成することができました。

Answer 2

「MNIST format」「MNIST 形式」などで Google 検索すれば、たくさん情報が出てきますので、それを参考に新しいデータセットを作ると良いと思います。

MNIST データの仕様を理解しよう
https://weblabo.oscasierra.net/python/ai-mnist-data-detail.html