本文主要介绍了如何使用Python将两个文件夹合并到一个新的文件夹中，以创建自定义数据集，特别适用于深度学习中的数据预处理。这个案例是关于煤矿工人人脸识别的数据集，数据集中包含两类照片：矿下和矿上。在制作数据集的过程中，会将数据分为训练集和测试集，进一步细分为训练、验证和两个特定场景的测试子集。
首先，我们需要了解数据集的结构。在这个例子中，原始数据集由三个工人的照片组成，每个工人有矿下（A开头的文件夹）和矿上（B开头的文件夹）两种状态。首先，创建一个新文件夹，用于存放训练集（0.7的比例）和测试集（0.3的比例）。接下来，创建四个子文件夹，分别是`train`（训练集）、`val`（验证集）、`valb`（矿下测试集）和`vall`（矿上测试集）。
为了实现这一目标，我们需要使用Python的一些内置库，如`numpy`、`os`和`shutil`。`os.listdir()`函数用于读取原始数据集中的所有文件夹，`shutil`库则用于移动文件。首先，我们将所有以"A"开头的文件夹（矿下照片）放入`c`列表，以"B"开头的文件夹（矿上照片）放入`d`列表。然后，根据所需的训练集和测试集比例，将这些文件夹随机分配到对应的子文件夹中。
以下是一段可能的Python代码实现：
```python
import numpy as np
import os
import shutil
# 定义原始数据集路径
path = r'C:\Users\Administrator.SKY-20180518VHY\Desktop\rx\ore'
# 获取数据集中的所有文件夹
data = os.listdir(path)
# 创建存储矿下和矿上照片的列表
c = [folder for folder in data if folder.startswith('A')]
d = [folder for folder in data if folder.startswith('B')]
# 定义目标文件夹路径
train_root = 'C:\\Users\\Administrator.SKY-20180518VHY\\Desktop\\myself\\train'
val_root = 'C:\\Users\\Administrator.SKY-20180518VHY\\Desktop\\myself\\test'
# 创建子文件夹
os.makedirs(train_root, exist_ok=True)
os.makedirs(os.path.join(val_root, 'val'), exist_ok=True)
os.makedirs(os.path.join(val_root, 'valb'), exist_ok=True)
os.makedirs(os.path.join(val_root, 'vall'), exist_ok=True)
# 随机分配数据到训练和测试集
random.shuffle(data)
split_index = int(len(data) * 0.7)
train_data = data[:split_index]
test_data = data[split_index:]
# 将训练数据分配到train文件夹
for folder in train_data:
src = os.path.join(path, folder)
dst = os.path.join(train_root, folder)
shutil.move(src, dst)
# 将测试数据分配到val、valb和vall文件夹
for folder in test_data:
src = os.path.join(path, folder)
if folder.startswith('A'): # 矿下照片
dst = os.path.join(val_root, 'valb', folder)
else: # 矿上照片
dst = os.path.join(val_root, 'vall', folder)
shutil.move(src, dst)
```
通过上述步骤，我们可以将原始数据集整理成符合深度学习框架需求的结构，便于训练和验证模型。对于实际应用，这个过程可能会更复杂，例如添加数据增强、标签处理等步骤，但这个示例提供了一个基本的框架，可以根据具体需求进行扩展。
我的内容管理
展开
