基于图片文件夹和相应的txt文本的情况下，划分训练集和测试集

        只有一个图片文件夹ILSVRC2012_img_val（一共5万张）和相应的txt文本标签val.txt，将4万张图片划分到训练集，1万张图片划分到测试集。

         前面是图片的命名，后面是图片的类别。

import random
import os
import shutil

image_index = []   #从txt文本随机挑1万个文本索引放入其中
image_path = r"D:\datasets\ImageNet\ILSVRC2012_img_val"  #图片文件夹路径
train_path = r"D:\datasets\ImageNet\train"   #要划分的训练集路径
test_path = r"D:\datasets\ImageNet\test"   #要划分的测试集路径
txt_path = r"D:\datasets\ImageNet\val.txt"  #txt文本路径
over = 0

with open(txt_path, "r") as f:
    image_name = f.readlines()  #打开txt文本，并把每行的txt文本放入到列表中
for i in range(len(image_name)):   #将列表中的每行文本进行分割，只要图片名，不需要类别
    image_name[i] = image_name[i].split(" ")[0]

for i in range(10000000000):  #无限迭代，取到不同的1万张图片索引停止
    a = random.randint(0, 49999)  #从0-49999随机取值
    if a in image_index:     #如果取到相同的索引，返回继续取
        continue
    image_index.append(a)  #添加到列表索引中
    over += 1     
    if over==10000:   #取到一万张停止
        break

for i in range(50000):   #划分数据集
    if i in image_index: #查看索引是否在一万张的索引内，是的话，从图片文件夹复制到测试集文件夹
        if os.path.exists(test_path):  #测试集文件夹是否存在，不存在就先创建
            shutil.copy(os.path.join(image_path, image_name[i]), os.path.join(test_path, image_name[i])) #从图片文件夹复制到测试集文件夹
        else:
            os.makedirs(test_path)
            shutil.copy(os.path.join(image_path, image_name[i]), os.path.join(test_path, image_name[i]))
    else:   #索引不在一万张的索引内，所以划分到训练集
        if os.path.exists(train_path):
            shutil.copy(os.path.join(image_path, image_name[i]), os.path.join(train_path, image_name[i]))
        else:
            os.makedirs(train_path)
            shutil.copy(os.path.join(image_path, image_name[i]), os.path.join(train_path, image_name[i]))