如下是分类数据集拆分成Train和Val数据集
做AI分类任务时,有时候提供的数据集是一整个用于训练的数据集,没有验证数据集,以下是将分类的数据集按3比7的比例进行拆分的一个python脚本
import os
import random
import shutil
def split_dataset(src_dir, train_dir, test_dir, ratio):
if not os.path.exists(train_dir):
os.makedirs(train_dir)
if not os.path.exists(test_dir):
os.makedirs(test_dir)
categories = os.listdir(src_dir)
for category in categories:
category_dir = os.path.join(src_dir, category)
if os.path.isdir(category_dir):
train_category_dir = os.path.join(train_dir, category)
test_category_dir = os.path.join(test_dir, category)
if not os.path.exists(train_category_dir):
os.makedirs(train_category_dir)
if not os.path.exists(test_category_dir):
os.makedirs(test_category_dir)
filenames = os.listdir(category_dir)
random.shuffle(filenames)
split_index = int(len(filenames) * ratio)
train_filenames = filenames[:split_index]
test_filenames = filenames[split_index:]
for filename in train_filenames:
src_file = os.path.join(category_dir, filename)
dst_file = os.path.join(train_category_dir, filename)
shutil.copy(src_file, dst_file)
for filename in test_filenames:
src_file = os.path.join(category_dir, filename)
dst_file = os.path.join(test_category_dir, filename)
shutil.copy(src_file, dst_file)
#将src_dir目录下的数据集按3比7的比例拆分到train_dir和test_dir目录下
split_dataset('src_dir', 'train_dir', 'test_dir', 0.7)
请确保将src_dir替换成你实际的数据集目录,train_dir为训练集保存的目录,test_dir为测试集保存的目录。0.7表示拆分比例为70%的数据用于训练集,30%的数据用于测试集。