用python代码实现自定义Yolo格式的数据集然后将其按照8:2划分为训练集和测试集

要实现自定义的 YOLO 格式数据集，并将其按照 8:2 的比例划分为训练集和测试集，您可以按照以下步骤进行操作：

1. 创建 YOLO 数据集文件夹：首先，创建一个文件夹来存储您的 YOLO 数据集，包括图像和标注文件。

2. 准备图像和标注文件：将您的图像文件（.jpg 或 .png 格式）和对应的标注文件（.txt 格式）放入数据集文件夹中。确保每个图像都有对应的标注文件，标注文件中包含了目标的类别和边界框坐标。

3. 划分训练集和测试集：使用 Python 的 `random` 模块来随机划分数据集为训练集和测试集。

import os
import random
from shutil import copyfile

def split_dataset(dataset_dir, train_dir, test_dir, split_ratio):
    # 创建训练集和测试集文件夹
    os.makedirs(train_dir, exist_ok=True)
    os.makedirs(test_dir, exist_ok=True)

    # 获取数据集中所有图像的文件名
    image_files = [f for f in os.listdir(dataset_dir) if f.endswith('.jpg')]

    # 随机打乱图像文件列表
    random.shuffle(image_files)

    # 计算训练集和测试集的划分点
    split_point = int(len(image_files) * split_ratio)

    # 将图像文件拷贝到训练集和测试集文件夹中
    for i, image_file in enumerate(image_files):
        src_image_path = os.path.join(dataset_dir, image_file)
        if i < split_point:
            dst_image_path = os.path.join(train_dir, image_file)
        else:
            dst_image_path = os.path.join(test_dir, image_file)
        copyfile(src_image_path, dst_image_path)

        # 将对应的标注文件也进行拷贝
        annotation_file = os.path.splitext(image_file)[0] + '.txt'
        src_annotation_path = os.path.join(dataset_dir, annotation_file)
        if i < split_point:
            dst_annotation_path = os.path.join(train_dir, annotation_file)
        else:
            dst_annotation_path = os.path.join(test_dir, annotation_file)
        copyfile(src_annotation_path, dst_annotation_path)

# 设置数据集目录、训练集目录、测试集目录和划分比例
dataset_dir = 'path/to/dataset'
train_dir = 'path/to/train'
test_dir = 'path/to/test'
split_ratio = 0.8

# 调用划分函数
split_dataset(dataset_dir, train_dir, test_dir, split_ratio)

将代码中的 `'path/to/dataset'` 替换为您的数据集目录的路径，`'path/to/train'` 和 `'path/to/test'` 替换为您想要保存训练集和测试集的目录路径。`split_ratio` 是划分比例，这里设置为 0.8 表示将 80% 的数据划分为训练集，20% 的数据划分为测试集。

请确保您的数据集文件夹中包含图像文件和对应的标注文件，并且标注文件的格式符合 YOLO 的要求。