d2l.reorg_train_valid() 和 d2l.reorg_test() 的作用

d2l.reorg_train_valid(data_dir, labels, valid_ratio) 
看名字就知道是重新组织 训练集_验证集。它有三个参数，分别是文件路径，图片名与标签名对应的字典，比例。该方法的作用是生成一个 train_valid_test的文件夹，其下有三个子文件夹，分别是 train、train_valid、valid，每个子文件夹下又会根据 labels 参数把图片分门别类的放好。
（看如下操作会更具体一点）

d2l.reorg_test(data_dir) 重新组织测试集，即在 train_valid_test 目录（上文有提到）下生成 test 文件夹，test 文件夹下又会生成一个 unknown 的子目录，这个子目录会存放原本的 test 中的图片（看如下操作会更具体一点）

既然是重新组织，那肯定需要原本就有，才能重新组织。

我以猫种识别为例，其中，

• test 和 train 目录分别放了一些图片

• cats.cav 长这个样子，左边是图片的名字，右边是猫咪的品种名

接着运行如下代码

import os
from d2l import torch as d2l

data_dir = os.path.join('.', 'dataset')
print(data_dir)

def reorg_dog_data(data_dir, valid_ratio):
    labels = d2l.read_csv_labels(os.path.join(data_dir, 'cats.csv'))    # 把cats.csv中的数据提取成字典
    d2l.reorg_train_valid(data_dir, labels, valid_ratio)
    d2l.reorg_test(data_dir)


batch_size = 128
valid_ratio = 0.1
reorg_dog_data(data_dir, valid_ratio)

输出：.\dataset

同时项目目录变成了