【受益匪浅，一节更比六节强！！！】还在使用python保存图片路径吗？

还在使用python获取图片路径吗？还在为存储图片路径打一连串的代码吗？

前言

这两天在看人脸修复模型的时候，看到了DiFFBIR模型，发现了一个宝藏技巧，特此记录一下

技巧

在此先贴下原代码

# collect all iamge files in img_dir
find [img_dir] -type f > files.list
# shuffle collected files
shuf files.list > files_shuf.list
# pick train_size files in the front as training set
head -n [train_size] files_shuf.list > files_shuf_train.list
# pick remaining files as validation set
tail -n +[train_size + 1] files_shuf.list > files_shuf_val.list

看完觉得太妙了，尽管之前有学过相关命令，但是看完这个之后还是会觉得真的妙！

解析

说明

在此之前说明一下，本人菜鸟一个，之前获取保存训练图像路径都是使用的python代码，例如：

import os
import random

IMG_FORMAT = ('.png','.jpg','.bmp','.jpeg')

def get_imgs(path):
	imgs = []
	for root,_,files in os.walk(path):
		for file in files:
			if file.endswith(IMG_FORMAT):
				imgs.append(os.path.join(root,file))
	return imgs

train_data_root = ""

with open("train.txt","w")as f:
	for img_path in get_imgs(train_data_root):
		f.write(img_path+"\n)
		
#打乱数据就使用了random模块
random.shuffle(imgs)
#将数据切分为train,和val就使用切片
trainset = imgs[:train_size]
valset = imgs[train_size:]

很平平无其的一大堆获取图片路径，保存图片路径的代码

取其精华

知道看到此写法之后发现真的太妙了，直接使用一行命令代替了这么多行python代码

#第一步：获取所有类型的图片路径并将其保存到files.list中
find [img_dir] -type f > files.list
#第二步：使用shuf命令打乱路径（即图片顺序）
shuf files.list > files_shuf.list
#第三步：获取对应长度作为train和val数据
#获取文件头部开始计算train_size数量的图片，真的太妙了！！
head -n [train_size] files_shuf.list > files_shuf_train.list
#获取文件尾部计算train_size位置开始数量的图片
tail -n +[train_size + 1] files_shuf.list > files_shuf_val.list

总结

代码不一定多才厉害，“短小精悍”才是最牛波一
《菜就多练》