# 定义数据集路径和标签 data_dir = "D:/wjd" # 数据集路径 labels = ['Ag', 'Al', 'Au', 'Cu', 'W', 'V', 'Mo', 'Ta'] # 标签 # 将数据集按照 80% - 20% 的比例划分为训练集和验证集 train_dir = os.path.join(data_dir, 'train') val_dir = os.path.join(data_dir, 'val')，可以给我改一改吗

当然可以，以下是一个可能的实现，你可以根据自己的需要进行修改：

import os
import shutil
import random

# 定义数据集路径和标签
data_dir = "D:/wjd"  # 数据集路径
labels = ['Ag', 'Al', 'Au', 'Cu', 'W', 'V', 'Mo', 'Ta']  # 标签

# 将数据集按照 80% - 20% 的比例划分为训练集和验证集
train_dir = os.path.join(data_dir, 'train')
val_dir = os.path.join(data_dir, 'val')

if not os.path.exists(val_dir):
    os.makedirs(train_dir)
    os.makedirs(val_dir)

    # 遍历每个标签的文件夹
    for label in labels:
        label_dir = os.path.join(data_dir, label)
        images = os.listdir(label_dir)
        random.shuffle(images)  # 随机打乱图像顺序

        # 划分训练集和验证集
        split_index = int(0.8 * len(images))
        train_images = images[:split_index]
        val_images = images[split_index:]

        # 将训练集和验证集图像复制到对应的文件夹中
        for image in train_images:
            src_path = os.path.join(label_dir, image)
            dst_path = os.path.join(train_dir, label, image)
            os.makedirs(os.path.dirname(dst_path), exist_ok=True)  # 确保目标文件夹存在
            shutil.copy(src_path, dst_path)

        for image in val_images:
            src_path = os.path.join(label_dir, image)
            dst_path = os.path.join(val_dir, label, image)
            os.makedirs(os.path.dirname(dst_path), exist_ok=True)  # 确保目标文件夹存在
            shutil.copy(src_path, dst_path)

print("数据集已成功划分为训练集和验证集。")

这段代码将数据集中的每个类别的图像按照80%-20%的比例划分为训练集和验证集，并将它们复制到对应的文件夹中。请注意，这段代码需要在一个空的目标文件夹中运行，以避免覆盖原始数据集。