python 打乱数据集的训练，批量修改xml与图像对应关系

自己制作的数据集每个类别都相互在一起，数据集并未打乱，为增加训练得到一个好的识别精度和强的泛化能力，所以在训练之前使用shuffle函数去打乱每次训练数据的顺序。不打乱数据集会导致网络在学习过程中产生一定的偏见问题，降低了数据集的丰富度。

import numpy as np
import cv2
import os
import random
import xml.etree.ElementTree as ET
#原始图片路径和xml文件路径
image_root = 'D:/VOCdevkit/JPEGImages/'
xml_root='D:/VOCdevkit/Annotations/'
image_list = os.listdir(image_root)
xml_list=os.listdir(xml_root)
#打乱后的输出图片路径和xml文件路径
image_output = 'D:/VOCdevkit/111/'
xml_output='D:/VOCdevkit/222/'
index = [i for i in range(len(image_list))]
print(len(image_list))
print(len(xml_list))
random.shuffle(index)
a=np.array(index)
 
num=1
for i in a:
    img_name=image_list[i]
    xml_name=xml_list[i]
    print('修改第', i+1, '个','   生成第',num,'个')
    img_path = image_root + img_name
    xml_path =  xml_root+xml_name
 
    I = cv2.imread(img_path)
    xmlDoc = ET.parse(xml_path)
    root = xmlDoc.getroot()
    sub1 = root.find('filename')
 
    img_save_path = image_output + str(num) + '.jpg'
    xml_save_path = xml_output+str(num)+'.xml'
    sub1.text =str(num)+'.jpg'
 
    cv2.imwrite(img_save_path, I)
    xmlDoc.write(xml_save_path)
    num+=1