划分数据集和验证集

import os, random, shutil

def moveimg(fileDir, tarDir):
    pathDir = os.listdir(fileDir)  # 取图片的原始路径
    filenumber = len(pathDir)
    rate = 0.2  # 自定义抽取图片的比例，比方说100张抽10张，那就是0.1
    picknumber = int(filenumber * rate)  # 按照rate比例从文件夹中取一定数量图片
    sample = random.sample(pathDir, picknumber)  # 随机选取picknumber数量的样本图片
    print(sample)
    for name in sample:
        shutil.move(fileDir + name, tarDir + "\\" + name)
    return
 
def movelabel(file_list, file_label_train, file_label_val):
    for i in file_list:
        if i.endswith('.jpg'):
            # filename = file_label_train + "\\" + i[:-4] + '.xml'  # 可以改成xml文件将’.txt‘改成'.xml'就可以了
            filename = file_label_train + "\\" + i[:-4] + '.txt'  # 可以改成xml文件将’.txt‘改成'.xml'就可以了
            if os.path.exists(filename):
                shutil.move(filename, file_label_val)
                print(i + "处理成功！")

if __name__ == '__main__':
    fileDir = "/home/amov/downloads/yolov5-7.0/train_path/images/train/"  # 源图片文件夹路径
    tarDir = "/home/amov/downloads/yolov5-7.0/train_path/images/val"  # 图片移动到新的文件夹路径
    moveimg(fileDir, tarDir)
    file_list = os.listdir(tarDir)
    file_label_train = "/home/amov/downloads/yolov5-7.0/train_path/lebels/train"  # 源图片标签路径
    file_label_val = "/home/amov/downloads/yolov5-7.0/train_path/lebels/val" # 标签
      # 移动到新的文件路径
    movelabel(file_list, file_label_train, file_label_val)

注意

一般会设置80%训练集和20%验证集，划分数据集的代码会抽取所有的数据集中的20%作为验证集，剩余的80%作为训练集