将加载的图像复制到测试、训练和验证文件夹

Question

在这里我编写了一个加载图像的代码，然后我应该如何将这些图像分成三个文件夹；分别使用 70%、15% 和 15% 的比率进行训练、测试和验证。

      from os import listdir
        from PIL import Image as PImage
        import split_folders
        import os, os.path
        import numpy as np
        #imgs.append(Image.open(os.path.join(path,image))

        def loadImages(path):
            imagesList = listdir(path)
            loadedImages = []
            for image in imagesList:
                with open(os.path.join(path, image), 'rb') as i:
                    img = PImage.open(i)
                    loadedImages.append(img)
            return loadedImages

        path = "./Inputs/"
        imgs = loadImages(path)

        for img in imgs:
            print(img)




train, validate, test = np.split(imgs.sample(frac=1), [int(.7*len(imgs)), int(.85*len(imgs))])

这是错误的，因为它不支持列表对象

那么有什么解决办法吗？

Answer 1

要将文件复制到文件夹中，我们可以使用shutil.copyfile(os.path.join(resized_dir,x),os.path.join(train_dir,x)) 即shutil.copyfile 方法：

下面的代码是这个问题的答案； （得到列表图像文件名而不是图像列表；

for x in train:
  shutil.copyfile(os.path.join(resized_dir,x),os.path.join(train_dir,x))

for y in validate:
  shutil.copyfile(os.path.join(resized_dir,y),os.path.join(valid_dir,y))

for z in test:
  shutil.copyfile(os.path.join(resized_dir,z),os.path.join(test_dir,z))

Answer 2

据我了解，函数 loadImages 返回 python list 对象。由于没有list.sample() 方法，字符串

train, validate, test = np.split(imgs.sample(frac=1), [int(.7*len(imgs)), int(.85*len(imgs))])

无效。所以，有一些方法可以打乱所有数据；例如，您可以使用 into numpy.random.shuffle 就地重新排序列表值：

np.random.shuffle(imgs)  # now this list is shuffled
train, validate, test = np.split(imgs, [int(.7*len(imgs)), int(.85*len(imgs))])

注意，np.random.shuffle 保持对象的类型不变（如果它是一个列表）。我猜代码的其他部分是正确的。

lst = [1,2,3]
type(lst)
Out:
<class'list'>

np.random.shuffle(lst)

type(lst)
Out:
<class'list'>

另外，sample 方法是 pandas 包默认数据重采样方法之一，但我想你不需要 pandas 在这里