将分类存储的图片切分为训练集、验证集和测试集(PyTorch实现）

在实验中，经常遇到图片数据是分类存储的—即不同的文件夹存放不同label的图片，比如猫狗数据集，将猫的数据放在cat文件夹下，而将狗的图片放在名为dog的文件夹。在跑模型的过程中，常常需要将数据切分为训练集、验证集和测试集，并且同一类别的label要一致。

# -*- coding: utf-8 -*-
from torchvision.datasets import ImageFolder
from PIL import Image
from torch.utils.data import DataLoader
from torch.utils.data import Dataset
from torchvision import transforms


normalize = transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225])
train_transformer_ImageNet = transforms.Compose([
    transforms.Resize(256),
    transforms.RandomResizedCrop(224),
    transforms.RandomHorizontalFlip(),
    transforms.ToTensor(),
    normalize
])

val_transformer_ImageNet = transforms.Compose([
    transforms.Resize(224),
    transforms.CenterCrop(224),
    transforms.ToTensor(),
    normalize
])


class MyDataset(Dataset):
    def __init__(self, filenames, labels, transform):
        self.filenames = filenames
        self.labels