为每句代码做注释：def data_set_split(src_data_folder, target_data_folder, train_scale=0.8, val_scale=0.1, test_scale=0.1): print("开始数据集划分") class_names = os.listdir(src_data_folder) split_names = ['train', 'val', 'test'] for split_name in split_names: split_path = os.path.join(target_data_folder, split_name) if os.path.isdir(split_path): pass else: os.mkdir(split_path) for class_name in class_names: class_split_path = os.path.join(split_path, class_name) if os.path.isdir(class_split_path): pass else: os.mkdir(class_split_path)

# 定义一个函数 data_set_split，用于将数据集划分为训练集、验证集和测试集
# 参数 src_data_folder 表示原始数据集的目录路径
# 参数 target_data_folder 表示划分后数据集的目标路径
# 参数 train_scale 表示训练集所占比例，默认为 0.8
# 参数 val_scale 表示验证集所占比例，默认为 0.1
# 参数 test_scale 表示测试集所占比例，默认为 0.1
def data_set_split(src_data_folder, target_data_folder, train_scale=0.8, val_scale=0.1, test_scale=0.1):
# 输出提示信息
print("开始数据集划分")
# 获取原始数据集中的类别名称
class_names = os.listdir(src_data_folder)
# 定义一个列表 split_names，表示划分后的三个子集名称
split_names = ['train', 'val', 'test']
# 遍历每个子集名称
for split_name in split_names:
# 创建子集目录
split_path = os.path.join(target_data_folder, split_name)
if os.path.isdir(split_path):
# 如果目录已经存在，则跳过
pass
else:
# 否则创建目录
os.mkdir(split_path)
# 遍历每个类别名称
for class_name in class_names:
# 创建每个类别在当前子集中的目录
class_split_path = os.path.join(split_path, class_name)
if os.path.isdir(class_split_path):
# 如果目录已经存在，则跳过
pass
else:
# 否则创建目录
os.mkdir(class_split_path)