划分数据集代码

以下是使用Python代码对数据集进行划分的示例：

import os
import random
import shutil

# 定义数据集目录路径
dataset_dir = "/path/to/dataset"

# 定义训练集和验证集目录路径
train_dir = "/path/to/train_dir"
val_dir = "/path/to/val_dir"

# 定义训练集和验证集的比例
train_ratio = 0.7
val_ratio = 0.3

# 获取数据集中所有图像的路径和标签
image_paths = []
labels = []
for label in os.listdir(dataset_dir):
    label_dir = os.path.join(dataset_dir, label)
    for image_name in os.listdir(label_dir):
        image_path = os.path.join(label_dir, image_name)
        image_paths.append(image_path)
        labels.append(label)

# 将数据集中的图像和标签打包成元组
data = list(zip(image_paths, labels))

# 打乱数据
random.shuffle(data)

# 计算训练集和验证集的划分点
train_split_point = int(len(data) * train_ratio)
val_split_point = int(len(data) * (train_ratio + val_ratio))

# 将数据集划分为训练集、验证集和测试集
train_data = data[:train_split_point]
val_data = data[train_split_point:val_split_point]

# 创建训练集和验证集目录
os.makedirs(train_dir, exist_ok=True)
os.makedirs(val_dir, exist_ok=True)

# 将训练集和验证集的图像文件复制到相应的目录中
for image_path, label in train_data:
    label_dir = os.path.join(train_dir, label)
    os.makedirs(label_dir, exist_ok=True)
    shutil.copy(image_path, label_dir)

for image_path, label in val_data:
    label_dir = os.path.join(val_dir, label)
    os.makedirs(label_dir, exist_ok=True)
    shutil.copy(image_path, label_dir)

上述代码首先定义了数据集目录路径、训练集和验证集目录路径，并指定了训练集和验证集的比例。然后，使用os库和shutil库读取数据集中的所有图像文件，并将它们和标签打包成元组，随机打乱数据。接下来，计算训练集和验证集的划分点，并将数据集划分为训练集和验证集。最后，创建训练集和验证集的目录，并将训练集和验证集的图像文件复制到相应的目录中。