将分类数据划分为训练集、测试集与验证集

用于将指定路径下的 0-6 编号的 7 个文件夹中的数据按照 8:1:1 的比例划分到 train、val 和 test 这三个文件夹中。

1.代码功能说明

  1. 源文件夹路径:假设编号文件夹在 src_path 中,每个编号文件夹的名称为 0, 1, 2, ..., 6。
  2. 划分比例:默认按照 8:1:1 的比例划分,分别对应训练集、验证集和测试集。
  3. 数据打乱:使用 random.shuffle 将每个编号文件夹内的文件顺序打乱,确保划分均匀。
  4. 目标文件夹创建:在 dest_path 下创建 train、val 和 test 文件夹。
  5. 文件复制:使用 shutil.copy 将文件从源文件夹复制到目标文件夹。
python 复制代码
import os
import shutil
import random

def split_data(src_path, dest_path, split_ratio=(0.8, 0.1, 0.1)):
    # 创建目标文件夹结构
    for split in ['train', 'val', 'test']:
        split_path = os.path.join(dest_path, split)
        os.makedirs(split_path, exist_ok=True)
        for i in range(7):  # 创建 0-6 的子文件夹
            os.makedirs(os.path.join(split_path, str(i)), exist_ok=True)

    # 遍历编号文件夹(0-6)
    for folder in range(7):
        folder_path = os.path.join(src_path, str(folder))
        if not os.path.exists(folder_path):
            print(f"文件夹 {folder_path} 不存在,跳过...")
            continue

        # 获取文件列表并打乱顺序
        files = os.listdir(folder_path)
        random.shuffle(files)

        # 按照比例划分
        total_files = len(files)
        train_end = int(total_files * split_ratio[0])
        val_end = train_end + int(total_files * split_ratio[1])

        train_files = files[:train_end]
        val_files = files[train_end:val_end]
        test_files = files[val_end:]

        # 将文件复制到对应的目标文件夹
        for file in train_files:
            shutil.copy(os.path.join(folder_path, file), os.path.join(dest_path, "train", str(folder), file))
        for file in val_files:
            shutil.copy(os.path.join(folder_path, file), os.path.join(dest_path, "val", str(folder), file))
        for file in test_files:
            shutil.copy(os.path.join(folder_path, file), os.path.join(dest_path, "test", str(folder), file))

        print(f"文件夹 {folder_path} 已处理完成,训练集:{len(train_files)},验证集:{len(val_files)},测试集:{len(test_files)}")

# 使用
src_path = "/path/to/source/folders"  # 原始数据文件夹路径
dest_path = "/path/to/destination/folders"  # 目标文件夹路径
split_data(src_path, dest_path)
相关推荐
葫三生1 小时前
如何评价《论三生原理》在科技界的地位?
人工智能·算法·机器学习·数学建模·量子计算
m0_751336392 小时前
突破性进展:超短等离子体脉冲实现单电子量子干涉,为飞行量子比特奠定基础
人工智能·深度学习·量子计算·材料科学·光子器件·光子学·无线电电子
拓端研究室3 小时前
视频讲解:门槛效应模型Threshold Effect分析数字金融指数与消费结构数据
前端·算法
随缘而动,随遇而安5 小时前
第八十八篇 大数据中的递归算法:从俄罗斯套娃到分布式计算的奇妙之旅
大数据·数据结构·算法
美狐美颜sdk5 小时前
跨平台直播美颜SDK集成实录:Android/iOS如何适配贴纸功能
android·人工智能·ios·架构·音视频·美颜sdk·第三方美颜sdk
DeepSeek-大模型系统教程5 小时前
推荐 7 个本周 yyds 的 GitHub 项目。
人工智能·ai·语言模型·大模型·github·ai大模型·大模型学习
有Li5 小时前
通过具有一致性嵌入的大语言模型实现端到端乳腺癌放射治疗计划制定|文献速递-最新论文分享
论文阅读·深度学习·分类·医学生
郭庆汝5 小时前
pytorch、torchvision与python版本对应关系
人工智能·pytorch·python
IT古董5 小时前
【第二章:机器学习与神经网络概述】03.类算法理论与实践-(3)决策树分类器
神经网络·算法·机器学习
小雷FansUnion7 小时前
深入理解MCP架构:智能服务编排、上下文管理与动态路由实战
人工智能·架构·大模型·mcp