用python写一个图像分类自动划分训练集测试集验证集的代码

以下是使用Python实现图像分类自动划分训练集、测试集和验证集的代码：

import os
import shutil
import random

# 定义数据集路径
data_dir = '/path/to/dataset'
train_dir = '/path/to/train'
test_dir = '/path/to/test'
val_dir = '/path/to/validation'

# 定义训练集、测试集和验证集的比例
train_ratio = 0.7
test_ratio = 0.2
val_ratio = 0.1

# 获取所有图像文件的路径
image_paths = []
for root, dirs, files in os.walk(data_dir):
    for file in files:
        if file.endswith('.jpg'):
            image_paths.append(os.path.join(root, file))

# 打乱图像文件的路径
random.shuffle(image_paths)

# 计算图像文件的数量
num_images = len(image_paths)

# 计算训练集、测试集和验证集的数量
num_train = int(num_images * train_ratio)
num_test = int(num_images * test_ratio)
num_val = num_images - num_train - num_test

# 创建训练集、测试集和验证集的目录
if not os.path.exists(train_dir):
    os.makedirs(train_dir)
if not os.path.exists(test_dir):
    os.makedirs(test_dir)
if not os.path.exists(val_dir):
    os.makedirs(val_dir)

# 复制图像文件到训练集、测试集和验证集的目录
for i in range(num_train):
    shutil.copy(image_paths[i], os.path.join(train_dir, os.path.basename(image_paths[i])))
for i in range(num_train, num_train+num_test):
    shutil.copy(image_paths[i], os.path.join(test_dir, os.path.basename(image_paths[i])))
for i in range(num_train+num_test, num_images):
    shutil.copy(image_paths[i], os.path.join(val_dir, os.path.basename(image_paths[i])))

上述代码中，首先定义了数据集路径、训练集、测试集和验证集的路径，以及训练集、测试集和验证集的比例。然后，获取所有图像文件的路径，并打乱路径顺序。接着，计算训练集、测试集和验证集的数量，创建相应的目录。最后，将图像文件复制到训练集、测试集和验证集的目录中。需要注意的是，代码中使用了Python自带的shutil库，用于复制文件。在实际使用中，也可以使用其他方法来实现文件复制。