如何把由图片和标签构成的数据集划分为训练集和测试集

将由图片和标签构成的数据集划分为训练集和测试集的方法与划分普通数据集的方法类似，只不过需要对图片和标签分别进行处理。

下面给出一种常见的做法，使用Python中的scikit-learn库和numpy库来完成：

import numpy as np
from sklearn.model_selection import train_test_split

# 读取数据和标签
data = np.load('data.npy')
label = np.load('label.npy')

# 划分数据集
train_data, test_data, train_label, test_label = train_test_split(data, label, test_size=0.2, random_state=0)

# 保存划分后的数据和标签
np.save('train_data.npy', train_data)
np.save('test_data.npy', test_data)
np.save('train_label.npy', train_label)
np.save('test_label.npy', test_label)

其中，data.npy和label.npy是保存图片和标签的numpy数组文件，train_test_split函数的返回值是划分后的训练集和测试集的数据和标签。最后通过numpy库的save函数将数据和标签保存到.npy文件中。

需要注意的是，如果数据集较大，可以考虑使用生成器来进行训练，避免将训练集一次性读入内存。