现在有多张图片和对应的标签，如何将标签写入到一个文件并划分数据集

当你有多个图片及其对应的标签，并希望将这些信息整理成文件并划分训练集、验证集和测试集时，可以按照以下步骤操作：

1. **创建文件结构**：
- 在这个目录下，可以创建三个子目录：`train`, `val` 和 `test` 分别对应训练集、验证集和测试集。

2. **编写脚本**：
- 使用Python编写脚本，比如使用`os`, `json` 和 `pandas` 库。首先读取图片和标签数据，通常是一个CSV文件或者JSON文件，每个条目包含图像路径和标签。

import os
import json
import pandas as pd

# 读取原始数据
data = pd.read_csv('labels.csv') # 或者从json加载

3. **划分数据**：
- 对数据按比例划分，可以用`sklearn.model_selection.train_test_split`函数。
- 将图片路径和标签合并成一个新的字典或列表，然后按文件名写入相应的目录。

def write_to_subfolders(data, train_val_test_split=(0.8, 0.1, 0.1)):
    for split_name, fraction in zip(['train', 'val', 'test'], train_val_test_split):
        split_data = data.sample(frac=fraction, random_state=42)
        
        for _, row in split_data.iterrows():
            img_path = row['image_path']
            label = row['label']
            
            subfolder = os.path.join('image_dataset', split_name, os.path.basename(img_path))
            os.makedirs(os.path.dirname(subfolder), exist_ok=True)
            with open(subfolder + '.txt', 'w') as f:
                f.write(label)
                
# 调用函数划分数据
write_to_subfolders(data)

4. **保存标签文本**：
- 对于每张图片，将其标签写入一个单独的文本文件中，文件名通常是图片的名称，如`image.jpg.txt`，内容是对应的标签。

5. **检查结果**：
- 执行完上述步骤后，确认所有图片及其标签已按照指定的比例分布在各自的文件夹内。