生成一个根据老师提供的手机相册分类数据集，制作成训练图像数据集、测试图像数据集、训练标签数据集和测试标签数据集。将四部分分别保存成numpy文件的代码。

下面是一个制作手机相册分类数据集的代码示例，包括将训练图像数据集、测试图像数据集、训练标签数据集和测试标签数据集保存成numpy文件的代码：

import numpy as np
import os
import cv2
from sklearn.model_selection import train_test_split

# 定义数据集路径和类别
data_path = 'path/to/dataset/'
categories = ['cat', 'dog', 'bird', 'flower']

# 初始化数据和标签列表
data = []
labels = []

# 循环遍历类别文件夹，读取图片并进行处理
for category in categories:
    path = os.path.join(data_path, category)
    class_num = categories.index(category)
    for img in os.listdir(path):
        try:
            img_array = cv2.imread(os.path.join(path, img))
            new_array = cv2.resize(img_array, (224, 224))
            data.append(new_array)
            labels.append(class_num)
        except Exception as e:
            pass

# 将数据和标签转换为numpy数组
data = np.array(data)
labels = np.array(labels)

# 将数据和标签分为训练集和测试集
train_data, test_data, train_labels, test_labels = train_test_split(data, labels, test_size=0.2, random_state=42)

# 保存为numpy文件
np.save('train_data.npy', train_data)
np.save('test_data.npy', test_data)
np.save('train_labels.npy', train_labels)
np.save('test_labels.npy', test_labels)

在上面的代码中，我们使用了OpenCV库来读取和调整图像大小，使用了sklearn库中的train_test_split函数来将数据和标签分为训练集和测试集，最后使用numpy库中的np.save函数将数据和标签保存为numpy文件。您需要将代码中的路径和类别替换为您自己的数据集路径和类别。