### 划分YOLO数据集 为了将YOLO数据集划分为训练集和验证集，可以编写一段简单的Python脚本。这段代码会读取所有的图像文件及其对应的标签文件(.txt)，并按照指定的比例将其分配到不同的子集中[^3]。 ```python import os import random from shutil import copyfile def split_dataset(image_dir, label_dir, output_train_dir, output_val_dir, ratio=0.8): """ 将给定的数据集按比例分割成训练集和验证集 参数: image_dir (str): 图像所在目录路径. label_dir (str): 标签文件所在的目录路径. output_train_dir (str): 训练集保存位置. output_val_dir (str): 验证集保存位置. ratio (float): 训练集所占比例，默认为0.8表示80%作为训练集. """ # 获取所有图片名称列表 all_images = [f for f in os.listdir(image_dir) if f.endswith('.jpg') or f.endswith('.png')] # 打乱顺序以便随机选取样本进入不同集合 random.shuffle(all_images) # 定义切分点索引 cut_index = int(len(all_images)*ratio) train_set = all_images[:cut_index] val_set = all_images[cut_index:] ensure_directory_exists(output_train_dir['images']) ensure_directory_exists(output_train_dir['labels']) ensure_directory_exists(output_val_dir['images']) ensure_directory_exists(output_val_dir['labels']) move_files(train_set, image_dir, label_dir, output_train_dir) move_files(val_set, image_dir, label_dir, output_val_dir) def ensure_directory_exists(path): """如果不存在则创建目录""" if not os.path.exists(path): os.makedirs(path) def move_files(file_list, src_img_path, src_label_path, dst_paths): """移动选定的文件至目标文件夹内""" for file_name in file_list: base_name = os.path.splitext(file_name)[0] img_src = os.path.join(src_img_path, file_name) lbl_src = os.path.join(src_label_path, "{}.txt".format(base_name)) img_dst = os.path.join(dst_paths['images'], file_name) lbl_dst = os.path.join(dst_paths['labels'], "{}.txt".format(base_name)) try: copyfile(img_src, img_dst) copyfile(lbl_src, lbl_dst) except FileNotFoundError as e: print(f"Error copying {base_name}: ", str(e)) if __name__ == '__main__': source_image_folder = './data/images' source_label_folder = './data/labels' destination_training_folders = {'images': './train/images', 'labels':'./train/labels'} destination_validation_folders = {'images': './valid/images','labels':'./valid/labels'} split_ratio = 0.9 # 调整此参数来改变训练集大小 split_dataset(source_image_folder, source_label_folder, destination_training_folders, destination_validation_folders, split_ratio) ``` 上述代码实现了基本的功能需求，可以根据实际情况调整`split_ratio`变量以控制训练集与验证集之间的比例关系。此外，在实际应用过程中可能还需要考虑更多细节问题，比如处理不平衡类别分布等。