从前缀为bothFireAndSmoke的jpg数据集中，随机且不重复地将10000张图片复制到train文件夹、2000张图片复制到val文件夹、2000张图片复制到test文件夹

要从名为"bothFireAndSmoke"的jpg数据集中随机且不重复地分配图片到train、val和test文件夹，可以采用以下步骤：

1. 首先，确认你有"bothFireAndSmoke"jpg数据集的完整路径。假设它位于`data/bothFireAndSmoke/`。

# 假设data/bothFireAndSmoke目录下有.jpg文件
images_dir = "data/bothFireAndSmoke/*.jpg"

2. 使用Python的`random.sample()`函数从图片集合中选择不重复的样本。这个函数会返回一个新的列表，其中包含了指定数量的随机元素，且不会改变原始集合[^1]。

from random import sample

# 设置每个子集的大小
train_count = 10000
val_count = 2000
test_count = 2000

# 读取所有图片文件名
image_files = sorted(os.listdir(images_dir))

# 分配图片到各个文件夹
train_files = sample(image_files, train_count)
val_files = sample(set(image_files).difference(train_files), val_count)  # 确保val文件没有与train重叠
test_files = set(image_files).difference(train_files.union(val_files))  # 计算剩余的图片作为test

# 将图片移动到对应文件夹
for file in train_files:
    src_path = os.path.join(images_dir, file)
    dst_path_train = os.path.join("train", file)
    shutil.move(src_path, dst_path_train)

for file in val_files:
    src_path = os.path.join(images_dir, file)
    dst_path_val = os.path.join("val", file)
    shutil.move(src_path, dst_path_val)

for file in test_files:
    src_path = os.path.join(images_dir, file)
    dst_path_test = os.path.join("test", file)
    shutil.move(src_path, dst_path_test)

记得在运行此脚本之前，确保train、val和test文件夹已经存在，并导入必要的库（如`os`, `shutil`）[^2]。