这段代码的主要功能是对指定文件夹下的数据集按照一定的比例划分为训练集和测试集，并将划分后的图片分别移动到对应的文件夹中。以下是代码的功能分解及详细说明： ### 1. **导入必要的模块** ```python import os from shutil import copy import random ``` - `os` 模块用于处理文件和目录操作。 - `shutil.copy` 函数用于复制文件。 - `random` 模块用于生成随机数。 --- ### 2. **函数定义：mkfile()** ```python def mkfile(file): if not os.path.exists(file): os.makedirs(file) ``` - 这是一个辅助函数，作用是检查目标路径是否存在，如果不存在则递归地创建它。 - 参数 `file` 表示需要创建的文件夹路径。 --- ### 3. **获取类别信息** ```python file_path = 'dataset' flower_class = [cla for cla in os.listdir(file_path)] ``` - 定义变量 `file_path='dataset'`，表示原始数据集所在的根目录。 - 使用 `os.listdir()` 获取 `file_path` 下的所有子文件夹名称（每个子文件夹代表一个类别），并将结果存入列表 `flower_class` 中。 --- ### 4. **创建训练集和测试集的目标文件夹** ```python mkfile('data/train') for cla in flower_class: mkfile('data/train/' + cla) mkfile('data/test') for cla in flower_class: mkfile('data/test/' + cla) ``` - 调用 `mkfile()` 函数，在当前工作目录下创建两个主文件夹： - `'data/train'`: 存放训练集的数据。 - `'data/test'`: 存放测试集的数据。 - 然后再为每一个类别在上述两个主文件夹内创建相应的子文件夹。 --- ### 5. **设置划分比例** ```python split_rate = 0.1 ``` - 变量 `split_rate=0.1` 表示将数据集中 10% 的样本分配给测试集，剩余部分作为训练集。 --- ### 6. **遍历每一类别的图像并分割** ```python for cla in flower_class: cla_path = file_path + '/' + cla + '/' images = os.listdir(cla_path) num = len(images) eval_index = random.sample(images, k=int(num * split_rate)) for index, image in enumerate(images): if image in eval_index: image_path = cla_path + image new_path = 'data/test/' + cla copy(image_path, new_path) else: image_path = cla_path + image new_path = 'data/train/' + cla copy(image_path, new_path) print("\r[{}] processing [{}/{}]".format(cla, index + 1, num), end="") print() ``` - 对于每种类别（`cla`）： 1. 构造该类别对应的实际路径 `cla_path`； 2. 使用 `os.listdir()` 获取该类别下所有的图片文件名，并统计总数 `num`； 3. 根据划分比例 (`split_rate`) 和总图片数量，通过 `random.sample()` 随机选择一定数量的图片放入测试集（保存至 `eval_index`）； 4. 遍历该类别的所有图片，判断是否属于测试集： - 如果属于，则将其复制到 `'data/test/<class_name>'` 目录； - 否则，将其复制到 `'data/train/<class_name>'` 目录； 5. 打印进度条显示处理状态。 --- ### 7. **完成提示** ```python print("processing done!") ``` - 当所有图片都成功划分完毕后，打印 "processing done!" 提示任务已完成。 --- ### 总结 此脚本的核心功能是以固定的比例（如 9:1）对原始数据集进行拆分，最终得到两个独立的部分——**训练集**和**测试集**，同时保留原有的类别结构以便后续模型训练或评估使用。 #### 注意事项： - 原始数据集应位于 `dataset` 文件夹中，且其内部需包含若干个子文件夹，每个子文件夹存放一种类型的图片。 - 分割过程依赖于 `random.sample()` 方法，因此每次运行的结果可能会略有差异（除非设定固定的随机种子）。 --- ###