关于数据集通过PYTHON编程分类为训练集和测试集

在完成数据集的标定以后，需要进行数据集的划分，在这儿分享一下通过PYTHON语言分类的代码。

import os, random, shutil
 
def moveimg(fileDir, tarDir):
    pathDir = os.listdir(fileDir)  # 取图片的原始路径
    filenumber = len(pathDir)
    rate = 0.1  # 自定义抽取图片的比例，比方说100张抽10张，那就是0.1
    picknumber = int(filenumber * rate)  # 按照rate比例从文件夹中取一定数量图片
    sample = random.sample(pathDir, picknumber)  # 随机选取picknumber数量的样本图片
    print(sample)
    for name in sample:
        shutil.move(fileDir + name, tarDir + "\\" + name)
    return
 
def movelabel(file_list, file_label_train, file_label_val):
    for i in file_list:
        if i.endswith('.jpg'):
            # filename = file_label_train + "\\" + i[:-4] + '.xml'  # 可以改成xml文件将’.txt‘改成'.xml'就可以了
            filename = file_label_train + "\\" + i[:-4] + '.txt'  # 可以改成xml文件将’.txt‘改成'.xml'就可以了
            if os.path.exists(filename):
                shutil.move(filename, file_label_val)
                print(i + "处理成功！")
  
if __name__ == '__main__':
    fileDir = r'C:\Users\LX\Desktop\Graduate Design\VOC2007\JPEGImages' + "\\"  # 源图片文件夹路径
    tarDir = r'C:\Users\LX\Desktop\Graduate Design\VOC2007\JPEGImages_val'  # 图片移动到新的文件夹路径
    moveimg(fileDir, tarDir)
    file_list = os.listdir(tarDir)
    file_label_train = r"C:\Users\LX\Desktop\Graduate Design\VOC2007\Annotations_YOLO"  # 源图片标签路径
    file_label_val = r"C:\Users\LX\Desktop\Graduate Design\VOC2007\Annotations_val"  # 标签
      # 移动到新的文件路径
    movelabel(file_list, file_label_train, file_label_val)

具体如上，还是主函数需要自己调整路径，一个是数据集内图片的路径，一个是标签；同时需要新建两个文件夹用来存放分类的图片与标签，命名格式可以参考我的，其他没什么了。