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
却道天凉_好个秋23 分钟前
计算机视觉(九):图像轮廓
人工智能·opencv·计算机视觉·图像轮廓
小欣加油25 分钟前
leetcode 912 排序数组(归并排序)
数据结构·c++·算法·leetcode·排序算法
爱读源码的大都督29 分钟前
Java已死?别慌,看我如何用Java手写一个Qwen Code Agent,拯救Java
java·人工智能·后端
机器之心31 分钟前
国内外AI大厂重押,初创梭哈,谁能凭「记忆」成为下一个「DeepSeek」?
人工智能·openai
时序之心1 小时前
覆盖Transformer、GAN:掩码重建正在重塑时间序列领域!
人工智能·深度学习·生成对抗网络·transformer·时间序列
山河君1 小时前
webrtc之高通滤波——HighPassFilter源码及原理分析
算法·音视频·webrtc·信号处理
星辰大海的精灵1 小时前
SpringBoot与Quartz整合,实现订单自动取消功能
java·后端·算法
机器之心1 小时前
OpenAI罕见发论文:我们找到了AI幻觉的罪魁祸首
人工智能·openai
data myth1 小时前
力扣1210. 穿过迷宫的最少移动次数 详解
算法·leetcode·职场和发展
aneasystone本尊1 小时前
学习 GraphRAG 四大搜索策略
人工智能