yolov8数据集划分代码

### YOLOv8 数据集划分 示例代码 对于使用YOLOv8进行数据集划分的任务，通常会采用Python脚本来随机分配图像文件到不同的子集中，比如训练集、验证集以及测试集。下面提供一段用于实现这一功能的Python代码示例： ```python import os import random from shutil import copyfile def split_dataset(image_dir, label_dir, output_dir, train_ratio=0.7, val_ratio=0.2, test_ratio=0.1): """ 将给定目录下的图片和标签按照指定比例划分为训练集、验证集和测试集。 参数: image_dir (str): 图片所在的路径. label_dir (str): 对应标签文件(.txt)所在路径. output_dir (str): 输出结果保存位置. train_ratio (float): 训练集所占的比例，默认为 0.7. val_ratio (float): 验证集所占的比例，默认为 0.2. test_ratio (float): 测试集所占的比例，默认为 0.1. 返回值: None """ # 创建目标文件夹 dirs = ['train/images', 'val/images', 'test/images', 'train/labels', 'val/labels', 'test/labels'] for d in dirs: full_path = os.path.join(output_dir, d) if not os.path.exists(full_path): os.makedirs(full_path) images = [f for f in os.listdir(image_dir) if f.endswith('.jpg') or f.endswith('.png')] total_images = len(images) indices = list(range(total_images)) random.shuffle(indices) num_train = int(train_ratio * total_images) num_val = int(val_ratio * total_images) train_indices = indices[:num_train] val_indices = indices[num_train:num_train + num_val] test_indices = indices[num_train + num_val:] sets = [('train', train_indices), ('val', val_indices), ('test', test_indices)] for set_name, idxs in sets: for i in idxs: img_file = images[i] lbl_file = os.path.splitext(img_file)[0] + '.txt' src_img = os.path.join(image_dir, img_file) dst_img = os.path.join(output_dir, set_name, 'images', img_file) src_lbl = os.path.join(label_dir, lbl_file) dst_lbl = os.path.join(output_dir, set_name, 'labels', lbl_file) copyfile(src_img, dst_img) copyfile(src_lbl, dst_lbl) if __name__ == '__main__': IMAGE_DIR = './path/to/images' # 替换为实际图片存储路径 LABEL_DIR = './path/to/labels' # 替换为实际标签存储路径 OUTPUT_DIR = './output/dataset_split' split_dataset(IMAGE_DIR, LABEL_DIR, OUTPUT_DIR) ``` 此段代码实现了对输入的数据集按一定比例进行拆分，并将对应的图片及其标签分别复制到相应的子文件夹中[^1]。