Affectnet数据集 按标签值对图像进行分类

Affectnet数据集 按标签值对图像进行分类(备忘)

设计目标如下：
首先，对Affectnet数据集中大概42万张图像，我们根据需要将arousal(或valence)的标注值-1到1，按步长0.2分为10个区间，统计每个区间的样本个数，并将整体的标记csv文件分成11个单独的csv文件，分别是-1.0–0.8， … ，0.8-1，第11个区间为图像中未检测到人脸的图像，其arousal和valence的标注值都为-2。 保存每个区间样本的文件路径名以及其对应的arousal(valence)值（当然也可以是离散的其它标注，只要原本的标记文件里存在的都行）。
这样分类的目的是为了保证训练样本的平衡性，我们可以每个区间随机选取等量的训练样本，保证训练模型的泛化能力~
代码如下：

import csv

#linux系统下，可以不设置newline参数，windows系统下必须设置，否则存储会出问题
with open(r'D:/Dvidide_Data/file1.csv',  'a+',  newline = "") as csvfile1:
    writer = csv.writer(csvfile1)
    writer.writerow(['img', 'valence'])
with open(r'D:/Dvidide_Data/file2.csv',  'a+',  newline = "") as csvfile2:
    writer = csv.writer(csvfile2)
    writer.writerow(['img', 'valence'])
with open(r'D:/Dvidide_Data/file3.csv',  'a+',  newline = "") as csvfile3:
    writer = csv.writer(csvfile3)
    writer.writerow(['img', 'valence'])
with open(r'D:/Dvidide_Data/file4.csv',   'a+',  newline = "") as csvfile4:
    writer = csv.writer(csvfile4)
    writer.writerow(['img', 'valence'])
with open(r'D:/Dvidide_Data/file5.csv',   'a+',  newline = "") as csvfile5:
    writer